人工智能的应用领域

人工智能的应用领域（通用6篇）

篇1：人工智能的应用领域

人工智能的应用

课 程： 人工智能

专业班级： 计科11001班 学 号： 201003647 姓 名： 刘雄

报告日期： 2013-5-29

人工智能在智能机器人领域中的应用

在现代的工业制造，航空航天，交通矿业等领域，机器人越来越发挥着重要的作用。一些日本的专家预测，到2010年，只有5%的体力劳动需要由人来完成，其余大量的体力劳动要由机器人来承担。随着机器人的普及，机器人安全，规划，控制等领域也日益承受着巨大的挑战。

那何谓人工智能呢？

“人工智能”(Artificial Intelligence)简称AI它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人们认为“人工智能”是计算机科学技术的前沿科技领域。因此,“人工智能”与计算机软件有密切的关系。人工智能是“类人”机器人所需要的算法和技术，也就是说我们研究的主题是高级智能的本质，而不是其外在表现和辅助部件。一方面,各种人工智能应用系统都要用计算机软件去实现,另一方面,许多聪明的计算机软件也应用了人工智能的理论方法和技术。例如,专家系统软件,机器博奕软件等。但是,“人工智能”不等于“软件”,除了软件以外,还有硬件及其他自动化的通信设备。人工智能是从思维、感知、行为三层次和机器智能、智能机器两方面研究模拟、延伸与扩展人的智能的理论、方法、技术及其应用的技术学科。

例如,用计算机打印常用的报表,进行一些常规的文字处理,都是程序化的操作,谈不上有智能。但是,用计算机给人看病,进行病理诊断和药物处方,或者,用计算机给机器看病,进行故障诊断和维修处理,就需要计算机有人工智能。人工智能学科领域中有一个重要的学科分支是“专家系统”(Expert System),简称代写论文ES。就是用计算机去模拟、延伸和扩展专家的智能。基于专家的知识和经验,可以求解专业性问题的、具有人工智能的计算机应用系统。如:医疗诊断专家系统,故障诊断专家系统等。

人工智能要解决的问题主要是以下几个方面：

一、识别过程，外界输入的信息向概念逻辑信息转译，将动态静态图像、声音、语音、文字、触觉、味觉等信息转化为形式化（大脑中的信息存储形式）的概念逻辑信息。

二、智能运算过程，输入信息刺激自我学习、信息检索、逻辑判断、决策，并产生相应反应。

三、控制过程，将需要输出的反应转译为肢体运动和媒介信息。

实用机器人在第三个方面做得比较多，而识别和智能运算是很弱的，尤其是概念知识的存储形式、逻辑判断和决策这些方面更是鲜有成果，这正是人工智能要重点解决的问题。

在机器人控制中常用的智能控制方式是模糊控制。如图1所示。

图1： 机器人控制中的模糊控制

十几年来，用神经元网络来控制机器人变得非常流行从控制的角度来考虑，神经元控制具有如下一些特性:(l)分布式的非线性。(2)从经验进行学习的能力。(3)强壮的平行多处理能力。(4)在尚未进行训练情况下的表现。常见的神经元机器人控制器如图2所示。

图2： 神经元机器人控制器

神经元网络采用不同的结构可用于不同的应用，因此它引起了人们广泛的兴趣。从控制的角度来看，神经元网络在非线性控制方面的表现是最突出的。由于神经元网络不是基于模型的，因此他被看作是机器人传统控制之外的另一个可行的控制方法。他可以模拟人类的思维方式。在机器人控制方面，神经元网络还有一些很特别的优点。它可以被训练来进行运动学的正解和逆解。可以来表示n个关节的机械臂的各种输人与输出关系。关于用神经元网络控制机械臂，许多人已经进行的大量的研究。

人工智能在智能机器人中应用所要经过的过程为：

1、人工智能实体将首先在精确思维能力上超过人，然后在模糊思维能力上超过人。

2、由于创造力是个性化的产物，较高的创造力不是复制及经验的吸收所能产生的，它需要通过个性化的学习来获得，而个性化的学习不是短时间内所能完成的，因而人工智能实体在创造力上全面超过人将需要较长的时间。一旦人工智能实体的创造力超过人其智力水平也就能远远超过人。

不难看出，不久的将来，“智能机器人”将在工业、服务业、军事、航空航天等领域发挥越来越重要的作用。今天，尽管我们的机器人已经具备了一定的智能，但距离真正的“智能机器人”还有相当大的差距。随着生理学，行为学等学科的发展，随着我们对人脑的工作方式的理解进一步的加深，随着机器视觉和自然语言理解等人工智能领域在机器人上的应用，机器人终将成为真正意义上的“智能机器人”。这是充满了生机与活力科研领域。研制机器人的最初目的是为了帮助人们摆脱繁重劳动或简单的重复劳动，以及替代人到有辐射等危险环境中进行作业，因此机器人最早在汽车制造业和核工业领域得以应用。随着机器人技术的不断发展，工业领域的焊接、喷漆、搬运、装配、铸造等场合，己经开始大量使用机器人。另外在军事、海洋探测、航天、医疗、农业、林业甚到服务娱乐行业，也都开始使用机器人。

从机器人的用途来分，可以分为两大类：军用机器人和民用机器人。军用机器人主要用于军事上代替或辅助军队进行作战、侦察、探险等工作。根据不同的作战空间可分为地面军用机器人、空中军用机器人(即无人飞行机)、水下军用机器人和空间军用机器人等。军用机器人的控制方式一般有自主操控式、半自主操控式、遥控式等多种方式。

在民用机器人中，各种生产制造领域中的工业机器人在数量上占绝对多数，成为机器人家族中的主力军；其它各种种类的机器人也开始在不同的领域得到研究开发和应用。总体看来，若按用途分，民用机器人可以分为以下几个主要类别：

工业机器人

制造工业部门应用机器人的主要目的在于削减人员编制和提高产品质量。机器人无论是否与其它机器一起运用，与传统的机器相比，它具有两个主要优点：

1．生产过程的几乎完全自动化。2．生产设备的高度适应能力。

现在工业机器人主要用于汽车工业、机电工业（包括电讯工业）、通用机械工业、建筑业、金属加工、铸造以及其它重型工业和轻工业部门。

机器人的工业应用分为四个方面，即材料加工、零件制造、产品检验和装配。其中，材料加工往往是最简单的。零件制造包括锻造、点焊、捣碎和铸造等。检验包括显式检验（在加工过程中或加工后检验产品表面图像和几何形状、零件和尺寸的完整性）和隐式检验（在加工中检验零件质量上或表面上的完整性）两种。装配是最复杂的应用领域，因为它可能包含材料加工、在线检验、零件供给、配套、剂压和紧固等工序。在农业方面，已把机器人用于水果和蔬菜嫁接、收获、检验与分类，剪羊毛和挤牛奶等。这是一个潜在的产业机器人应用领域。

服务机器人

在一些科幻影片、电视片或影碟中，多少具有外形的机器人常被用来协助或代替人去执行人不乐意做或危险和困难的任务。今天在现实生活中能够看到的最接近于人类的机器人可能要算家用机器人了。家用机器人能够清扫地板而不碰到家具。不过它的价格目前还较高，影响到它的推广应用。随着家用机器人造价的大幅度降低，它将获得日益广泛的应用。

服务机器人尚处于开发及普及的早期阶段，目前国际上对它还没有普遍承认的严格定义，它的定义是由操作型工业机器人引伸而来的。根据国际机器人联合会（IFR）采用的初步定义，所谓服务机器人是一种半自主或全自主工作的机器人，它完成的是有益于人类健康的服务工作，但不包括那些从事生产的设备。另一种定义把服务机器人看做一种可自由编程的移动装置，它至少有三个运动轴，可以部分地或全自动地完成服务工作。这些服务工作为个人或单位完成的，不指工业生产服务。

根据这个定义，操作型工业机器人也可以看作是服务机器人，如果它们装备在非制造业的话。服务机器人往往是可以移动的（并非总是移动的）。在某些情况下，服务机器人是由一个移动平台构成，在它上面装有一只或几只手臂，其控制方式与工业机器人手臂的控制方式相同。

研制用来为病人看病、护理病人和协助病残人员康复的机器人能够极大地改善伤残疾病人员的状态，以及改善瘫痪者（包括下肢及四肢瘫痪者）和被截肢者的生活条件。医用机器人已应用于下列几方面：

（1）诊断机器人，即配备有医疗诊断专家系统的机器人

（2）护理机器人，是一些具有丰富护理经验的机器人护士或护师。（3）伤残瘫痪康复机器人，包括假肢、矫形以及遥控等技术。

（4）家用机器人，机器人已开始进入家庭和办公室，用于代替人从事清扫、洗刷、守卫、煮饭、照料小孩、接待、接电话、打印文件等。酒店售货和餐厅服务机器人、炊事机器人和机器人保姆已不再是一种幻想。（5）娱乐机器人，包括文娱歌舞和体育机器人。（6）医疗手术机器人近年来有所突破。

服务机器人还有送信机器人、导游机器人、加油机器人、建筑机器人、农业及林业机器人等。其中，爬壁机器人既可用于清洁，又可用于建筑。中国作为亚洲第三大的工业机器人需求国，市场发展稳定，汽车及其零部件制造仍然是工业机器人的主要应用领域，随着我国产业结构调整升级不断深入和国际制造业中心向中国的转移，我国的机器人市场会进一步加大，市场扩展的速度也会进一步提高。

近年来，我们在研究文化创造性产业时，发现国外正在兴起一个与文化产业、科学技术有紧密关系的未来产业——机器人的研究、开发及制造，参与者除了传统从事学术研究的科技工作者、大学研究梯队、企业产品的专门研究人员之外，更有一大批的青少年积极加入此一新兴的科学技术新潮流之中。中国工业机器人经过“七五”攻关计划、“九五”攻关计划和863计划的支持已经取得了较大进展,工业机器人市场也已经成熟,应用上已经遍及各行各业,但进口机器人占了绝大多数。我国在某些关键技术上有所突破,但还缺乏整体核心技术的突破,具有中国知识产权的工业机器人则很少。目前我国机器人技术相当于国外发达国家20世纪80年代初的水平,特别是在制造工艺与装备方面,不能生产高精密、高速与高效的关键部件。我国目前取得较大进展的机器人技术有:数控机床关键技术与装备、隧道掘进机器人相关技术、工程机械智能化机器人相关技术、装配自动化机器人相关技术。现已开发出金属焊接、喷涂、浇铸装配、搬运、包装、激光加工、检验、真空、自动导引车等的工业机器人产品,主要应用于汽车、摩托车、工程机械、家电等行业。

我国机器人技术主题发展的战略目标是:根据2l世纪初我国国民经济对先进制造及自动化技术的需求,瞄准国际前沿高技术发展方向创新性地研究和开发工业机器人技术领域的基础技术、产品技术和系统技术。未来工业机器人技术发展的重点有:第一,危险、恶劣环境作业机器人:主要有防暴、高压带电清扫、星球检测、油汽管道等机器人;第二,医用机器人:主要有脑外科手术辅助机器人,遥控操作辅助正骨等;第三,仿生机器人:主要有移动机器人,网络遥控操作机器人等。其发展趋势是智能化、低成本、高可靠性和易于集成

机器人的发展前景

从近几年世界机器人推出的产品来看，工业机器人技术正在向智能化、模块化和系统化的方向发展，其发展趋势主要为：结构的模块化和可重构化；控制技术的开放化、PC化和网络化；伺服驱动技术的数字化和分散化；多传感器融合技术的实用化；工作环境设计的优化和作业的柔性化以及系统的网络化和智能化等方面。

机器人是先进制造技术和自动化装备的典型代表，是人造机器的“终极”形式。它涉及到机械、电子、自动控制、计算机、人工智能、传感器、通讯与网络等多个学科和领域，是多种高新技术发展成果的综合集成，因此它的发展与众多学科发展密切相关。当今工业机器人的发展趋势主要有：

1工业机器人性能不断提高(高速度、高精度、高可靠性、便于操作和维修)，而单机价格不断下降。

2机械结构向模块化可重构化发展。例如关节模块中的伺服电机、减速机、检测系统三位一体化；有关节模块、连杆模块用重组方式构造机器人。3工业机器人控制系统向基于PC机的开放型控制器方向发展，便于标准化，网络化；器件集成度提高，控制柜日渐小巧，采用模块化结构，大大提高了系统的可靠性、易操作性和可维修性。

4机器人中的传感器作用日益重要，除采用传统的位置、速度、加速度等传感器外，视觉、力觉、声觉、触觉等多传感器的融合技术在产品化系统中已有成熟应用。

5机器人化机械开始兴起。从94年美国开发出“虚拟轴机床”以来这种新型装置已成为国际研究的热点之一，纷纷探索开拓其实际应用的领域。总体趋势是，从狭义的机器人概念向广义的机器人技术概念转移，从工业机器人产业向解决方案业务的机器人技术产业发展。机器人技术的内涵已变为灵活应用机器人技术的、具有实际动作功能的智能化系统。机器人结构越来越灵巧，控制系统愈来愈小，其智能也越来越高，并正朝着一体化方向发展。

随着我国经济的快速发展，我国工业机器人的市场将不断扩大，这一点无容置疑。这也从另一个侧面说面了为什么世界各大机器人公司纷纷登陆中国市场。

市场有了，但多是国外的，拥有了自主知识产权的机器人还很少，这一点要引起我们的高度重视。一方面国家要对国产工业机器人给予更多的扶持；另一方面也望企业使用国产机器人给国产工业机器人行业一个机会。

由于国产工业机器人的功能已经与国外相当，只要有批量，一定能够造就一个或几个中国品牌的工业机器人。

在我国，工业机器人市场份额大部分被国外工业机器人企业占据着。在国际强手面前，国内的工业机器人企业面临着相当大的竞争压力。如今我国正从一个“制造大国”向“制造强国”迈进，中国制造业面临着与国际接轨、参与国际分工的巨大挑战，对我国工业自动化的提高迫在眉睫，政府务必会加大对机器人的资金投入和政策支持，将会给工业机器人产业发展注入新的动力。

参考文献：

【1】智能化焊接机器人技术——机械工业出版社出版基金资助项目 陈善本、林涛等编著机械工业出版社出版

【2】机器人技术及其应用——高等学校机械电子工程规划教材 华南理工大学 谢存禧 张铁 主编 机械工业出版社出版

【3】机器人探索——工程实践指南（国外计算机科学教材系列）【美】Fred G.Martin 著 刘荣 等译 宗光华 审校 电子工业出版社

【4】机器人学 : 控制、传感技术、视觉、智能 /(美)付京逊,R.C.冈萨雷斯,C.S.G.李 著 中国科学技术出版社 1989年

【5】机器人技术导论 /(法)科依费特, F.,奇罗兹,M.著 国防科技大学出版社 1991年

【6】机器人概论 /()霍兰(Holland,J.M.)著 新世界出版社 1985年 【7】顾震宇．全球工业机器人产业现状与趋势Ⅱ．机电一体化．2006年

篇2：人工智能的应用领域

最近很火的话题：“许多研究数据也说明在未来社会，人类的工作机会将被不断进化的机器人取代，从而沦为劳动力市场上的弱者。”科技的发展一直在呼叫中心行业发展中占据举足轻重的位置，每一个技术的革新，也对行业带来新气象。因为科技变化，对行业所带来的影响，与其说是威胁，不如说是技术在积极推动行业的更新迭代。

使用过呼叫中心或者本就是呼叫中心提供商的人都知道，呼叫中心业务场景是随着技术的变革一直在丰富和完善。

从最初单纯解决方案客户咨询、投诉问题的人工热线外呼，到预览式外呼，再到电话销售、金融贷款、催收的预测式外呼和自动外呼，细心的人会发现其实呼叫中心的这些变化一直是技术在推动着呼叫中心业务场景的变化，反过来客户业务的痛点也促进技术的发展迭代。

那么和呼叫中心相关的人工智能技术有哪些呢？人工智能技术究竟在呼叫中心行业如何落地？能带来什么样的价值？ 技术一----智能IVR和智能知识库

相信你可能会有过这样的体验，你打电话咨询某公司客服，首先听到的是一段标准的语音，接着就是语种选择，接着业务选择，再接着业务细分选择，最后可能听了老半天得到的就是一段官方的对话。自己的问题还是没有得到解决。倒不如直接选择人工，解决的快。

这个时候我们的智能IVR能通过语音识别和自然语言处理，快速并且高效的理解你的需求，并通过该公司业务系统的智能知识库，进行关键词检索，锁定该业务的答案，并通过TTS、系统录音或者最原始的短信将当前业务的答案发送或者触达给你。

有人曾经做过一个实验，同样的一个这样的电话，智能IVR和智能知识库的组合能节省客户43秒。主要是表现在智能知识库能根据大数据算法，按照设定的规则，进行阶段性重点关键问题的智能排序，和报表生成，有助于企业实时关注客户痛点和关注点的变化，并采取针对性的措施。

技术二----智能全量质检 在呼叫中心运营中各项数据都非常重要，如接通率、通话时长、投诉、客户满意度等等。与这些数据相关的就是客服或者电销人的业务素养。

人与人的素养之间的差别不是仅仅依靠培训就能解决的。从过去到现在客户的监督机制一直存在，但是长久以来质检的结果总是差强人意。

一个50——100人之间的中等规模呼叫中心，一般公司需要安排2-5个质检人员，从大数据来看，一天的质检数据其实也就是话务量的3%-5%，而且这是建立在理论基础之下的，如果在实际中，效率可见是非常低的。

人工智能技术就可以很好的解决这个问题。具体是先通过技术转成文本，然后依托大数据进行关键词匹配，这样就能够清楚的知道整个呼叫中心现场的话务质量统计和趋势，同样这样可适用于单个话务员的话务质量分析。

人工智能技术在呼叫中心落地

人工智能呼叫中心可以实现语音导航、来电弹屏、呼叫记录管理、统计分析、寻求他人帮助等多项功能，让客服组长和主管更好的监督、统计、指导客服工作过程，帮助客服代表更快的解决客户需求，更快提升个人服务技能，并为客户提供更快、更准确的支持，改善了呼叫中心员工满意度，并且强化了自助服务模式。

借助人工智能支持下的客服中心，客服管理人员，可通过系统提供的报表，掌握客服系统运营情况、公司的管理水平、员工的工作情况，并用于反馈问题以及提高服务水平和服务人力预测。

AI技术应用会对呼叫中心带来的价值

根据第三方权威机构GARTER的评估，到2020年止，全球85%的呼叫中心将会进行数字化变革。智能机器人将依托于强大的技术力进入到另外一个更成熟的阶段。

呼叫中心的价值创造除了常态内部外部关键绩效指标（KPIs）以外，就是衡量对企业营收与毛利率的贡献度。成本的节省如单呼成本的下降、重复来电量的减少等，也是一个可量化的指标。

篇3：人工智能的应用领域

看到杯子把手,我们知道可以握;看到椅子,我们知道可以坐,看到按钮,我们知道可以按,这里面的行为机制到底是什么呢?当代认知心理学派一般认为个体首先在大脑中形成外部世界的内部表征,然后在自上而下的控制下决定下一步的行为活动。与之相反,Gibson的生态心理学强调视觉和动作的直接连接:当个体看到某个物体时会自动激活与该物体相关的动作。Gibson将人的这种认知能力称之为可视用途,并提出可视用途意味着对个体在特定环境中对外界客体所能执行的动作的可能性。可视用途(Affordance)概念引发了众多研究者的兴趣,相关研究成果、概念在界面设计、可用性、人工智能等领域得到了广泛应用。

2 可视用途的理论研究

由于可视用途认为个体看到某个物体时,能自动获知可执行的动作,故研究者通常采用刺激-反应匹配范式来研究可视用途。当前主要有两种实验方法:一种为带有清晰朝向的物体与个体左右手间的匹配;另一种为大物体-整手握和小物体-手指捏的匹配。Tucker和Ellis分别采用上述两种实验方法,一致发现被试在刺激-反应匹配条件下出现反应利化,不匹配时出现抑制。此外,McBride等采用敏感压力装置进行实验,发现在刺激-反应不匹配条件下个体存在阈下纠错动作,进一步说明刺激传递的可视用途信息和反应不匹配时会存在反应冲突。

可视用途的脑机制目前主要聚焦于探讨大脑腹侧、背侧通路(Ventral-Dorsal Stream System)的作用。背侧通路负责对不同视觉信息的分析及执行动作所需的视动转换,而腹侧通路主要负责加工与物体相关的语义信息。Tucker与Ellis提出人类知觉外部世界的过程中不断接受新的刺激,故背侧通路可能在可视用途中起作用,并获得了肌肉诱发电位(Muscle Evoked Potentials)研究的支持。然而,Derbyshire指出腹侧通路可能在可视用途中也起作用,特别是在刺激呈现时间较长的情况下。Tucker和Ellis采用掩蔽刺激、刺激缓慢消退和立即消失三种方式呈现刺激,均发现可视用途效应。由于在掩蔽刺激和缓慢消退条件下,造成个体对刺激视觉加工的阻断,故可视用途可能是腹侧通路而非背侧通路在其中起作用。在以往研究基础上,Cisek提出了可视用途的竞争选择模型。在该模型中,背侧通路收集各种感觉信息,找出可执行的动作及其相关的详细参数;腹侧系统则不断的根据历史经验及现实情况,选择相关的动作使其在竞争中具有优势,并直至一动作成功执行。

3 可视用途与可用性设计

产品的用户体验已成为评判产品成功与否的重要标准。Norman提出,在设计产品时,设计师对产品的功能有一自己的心智模型,而用户对产品也有一预期的心智模型;只有当用户的心智模型和设计师的心智模型完全匹配时,用户在使用产品的时候才不会迷茫困惑,才能达到最佳的用户体验。根据Gibson的可视用途理论,可视用途是人们知觉到动作的可能性,将这种可直接知觉到的动作的可能性应用到产品设计中,无疑将会给用户的使用带来巨大方便与快捷。

Gibson指出可视用途存在积极的可视用途和消极的可视用途。积极的可视用途是有益的、需要保留的;消极的可视用途则是有害的、需要消除的。Norman后来发展了Gibson的可视用途概念,提出真实可视用途和知觉可视用途。设计师关注的重点应该是知觉到的可视用途,因为知觉到的可视用途才能产生用户最终可执行的动作。Hartson则将可视用途划分为认知可视用途、物理可视用途、感觉可视用途和功能可视用途。认知可视用途是让用户知道这是什么,例如按钮上的标签;物理可视用途是设计物理特征,让用户知道可以做的动作(例如按钮的大小,形状);感觉可视用途是让用户能够知觉到其他的可视用途(例如标签字体大小);功能可视用途就是帮助用户完成工作,这是一系统的工作,通常由前三个可视用途共同实现。

4 可视用途与人工智能

传统人工智能均以物体为中心,机器人通过识别环境中的物体来完成任务。机器人首先建立关于外部环境的一般性模型,并基于此可进行相关的推断。根据Gibson的可视用途理论,可视用途是环境提供给个体特定动作的可能性,可视用途是可直接知觉到的。因此,研究者将可视用途概念应用至机器人领域,并形成了一种以功能为中心的观点:机器人通过学习可视用途找到可执行的动作,然后实现某种功能。Raubal和Moratz提出一基于可视用途主体功能的模型。该模型结合了可视用途理论和功能HIPE理论。HIPE理论认为人们关于功能的知识由四个方面构成:历史(History)、主观意图(Intentional Perspective)、物理环境(Physical Environment)和事件顺序(Event Sequences)。环境中的物理结构和主体自身的属性结合产生了物理可视用途。物理可视用途在社会情景背景下产生了社会情景的可视用途;主体在自己认知能力基础上,根据所执行任务、事件次序、社会情景可视用途和物理可视用途,产生心理可视用途,最终根据产生的心理可视用途得到输出的操作。

5 结束语

本文系统总结了有关可视用途的理论研究及其在可用性设计、人工智能领域中的应用。可看出,可视用途不仅是心理学领域中总要的观点与研究主题,也是人工智能和可用性设计等领域的重要指导思想。随着对人类大脑的深入研究,可视用途的心理机制将被慢慢解开,这对未来的可用性设计、人工智能等将起到重要的推动作用。因此,建议相关领域的研究者应密切关注可视用途的相关心理机制研究。

摘要：可视用途概念源于生态心理学,目前已被可用性、人工智能等领域广为接受,并作为重要的指导原则在设计中应用。论文从可视用途理论的心理学研究进展、可视用途在可用性设计与人工智能领域的应用及其应用前景三个方面,就可视用途的理论研究与应用进行了系统的总结与展望。

关键词：可视用途,人工智能,可用性设计

参考文献

[1]Tucker M,Ellis R.On the relations between seen objects and components of potential actions[J].Journal of Experimental Psychology:Human Perception and Performance,1998,24:830-846.

[2]Ellis R,Tucker M.Micro-affordance:The potentiation of components of action by seen objects[J].British Journal of Psychology,2000,91:451-471.

[3]McBride J,Sumner P,Husain M.Conflict in object affordance revealed by grip force[J].The Quarterly Journal of Experimental Psychology,2012,65(1):13-24.

篇4：人工智能的应用和超越人类

无论是否愿意，人类已经迈入人工智能的门槛。眼下，世界各地的科技巨头们正在各出奇招，给智能手机和其他联网设备配备智能软件，让这些设备能像人一样思考和工作。这些产品包括，谷歌推出的VR头盔等在内的多款智能硬件产品、微软的语音助手Cortana、亚马逊的Echo家居助手、苹果公司优化的语音助手Siri和IBM公司的沃森人工智能软件，就连百度也推出了医疗大脑Melody。

无人驾驶人工智能

与上述种种人工智能产品相比，无人驾驶人工智能更能体现人工智能实际应用于人类生活的复杂性和难度。

2016年9月14日美国打车软件公司优步推出无人驾驶汽车载客服务，在美国匹兹堡上路试运行，成为美国首个推出无人驾驶汽车载客的公司。当天，4辆车型为福特Fusion的无人驾驶汽车亮相街头。它们配有多个摄像头、GPS以及探测天气和道路状况的雷达系统和其他传感器，在匹兹堡复杂多变的道路上行驶载客。

无人驾驶汽车不过是人类让机器为自己工作模式的更进一步发展，它的本质就是人工智能将部分和大部分替代人的工作。以2016年的“阿尔法狗”战胜人类棋手以及无人驾驶汽车载客成功作为标志，人类已经进入人工智能的新时代，这也是人类第6次技术革命的重要组成部分。毫无疑问，这样的时代只会让人们的生活越来越美好和便捷，尽管这样的变革还有很多需要解决的问题，以及不可避免会遇到或大或小的麻烦和不利。

早在1957年，科技人员就对无人驾驶汽车的制动控制系统进行探索研究，力图解决无人驾驶汽车的安全问题。经过数十年的研究，在这方面崭露头角的有美国英伟达公司，还有现在优步的先进技术中心与卡耐基梅隆大学，两者合作打造了人工智能（无人）驾驶软件，并成功进行了试运营。

无论是哪个公司研发的无人驾驶软件都要为汽车配备一个像人眼并优于人眼的视觉装置和一个像人的大脑或优于大脑反应速度和分析指挥能力的指挥中心（机器脑）。无人驾驶智能软件的主要构成包含至少一个广角镜头、视频纠错单元、360度视频合成单元、图像识别单元和驾驶辅助单元。广角摄像头用以获取现实场景，视频纠错单元用于从广角摄像头获取视频数据并进行纠错，360度视频合成单元把从上一阶段获取的视频合成为全景视频，图像识别单元对合成后的影像进行识别（为车辆提供智能分析，辨别出行人、障碍物等）。最后驾驶辅助单元根据识别后的数据或者指导和协助司机驾驶，或者通过使用汽车导航系统进行无人驾驶。

人工智能用于汽车驾驶要经历自动驾驶到无人驾驶的多个阶段，现在优步公司推出无人驾驶汽车载客服务已经证明，人工智能已经跨越了这其中的多个阶段，即从无自动化到驾驶辅助、部分自动化、有条件自动化和完全自动化5个阶段，这后一个阶段就是无人驾驶。无人驾驶汽车甚至没有任何驾驶结构，没有方向盘、踏板、后视镜等，即使汽车出了问题，也是通过遥控的方法干预和解决。

但是，出于安全的保证，此次优步的无人驾驶服务还是在车上配有两名工程师，其中一人坐在驾驶座上，准备在棘手的路段随时控制车辆，另外一人则监控汽车的动态。也就是说，此次还没有完全实现无人驾驶，但是离这一天不会太远了。美国信息处理服务公司（HIS）估计，到2025年，车内人工智能系统的数量将从2015年的700万台增加至1.22亿台，国内的业内专家认为，10年之内中国将有100万辆无人驾驶汽车进入人们的生活。

人工智能需要相匹配的规则

无人驾驶汽车可以制造出来，但它们能否上路又是另一回事，因为这不仅牵涉安全，也涉及社会的兼容性，即需要以什么样的法规和管理来接纳无人驾驶汽车。

此次优步的无人驾驶汽车服务运营正常，而且是在道路较为复杂、到处是狭窄和陡峭街道、还有不少隧道和超过40座桥梁的匹兹堡地区进行高难度驾驶行驶，这让专业人员认为，人工智能完全不输于人的驾驶，甚至还优于人的驾驶。正如美国国家运输安全委员会主席哈特所言，无人驾驶有很大潜力减少高速公路交通事故的发生，同时也提高了在遇到危险情况时汽车自身能否做出安全判断的系数。

这实际上提出了一个人们一直纠结但总是不能解决的问题，人工智能模拟的人脑是否等于和优于人脑，尤其是面临复杂多变，甚至瞬息万变的路况时。尽管无人驾驶汽车安装的视觉和指挥操作系统堪比人眼和大脑，但遇到一个皮球滚到车前方时，人工大脑会不会像人脑一样能意识和分析到后面很有可能跟着一个跑上来捡球或追球的孩子，从而提前踩刹车。这就是人工智能的深度学习内容之一。

2016年5月7日，美国特斯拉汽车公司生产的一辆S型电动轿车在自动驾驶模式下发生撞车事故，导致40岁的司机身亡。2016年7月1日，在美国宾夕法尼亚州又发生了一起可能涉及特斯拉自动驾驶系统的交通事故，但未造成人员死亡。对这两次事故，美国的调查报告尚未出来，但不可避免提出了人工智能自动驾驶或无人驾驶汽车的安全问题。

另一方面，如果没有法律法规的全面配合，无人驾驶汽车也难以上路。1968年联合国制定道路交通公约，全球大多数国家都签署了这个公约，其中规定，汽车的控制者必须是人而非电脑。但是，2016年2月，美国改变了这一法律，允许无人驾驶汽车上路。这从法律上解决了无人驾驶汽车行驶权问题。但是随后的一系列法律和规定显然也必须要跟进，例如，无人驾驶汽车发生交通事故，甚至是死人极多的事故，该找谁来承担法律责任？

在安全、技术问题解决后，还需要社会和法律的配套跟进，人类才能真正进入人工智能的新时代。

人工智能会超越人类吗？

有人认为，尽管人工智能不是人自身的智能，但能像人那样思考，因此可能超过人的智能。对此，最为担忧的是英国科学家霍金。他认为，从理论上说，计算机可以效仿并超过人类的智能。人工智能正在飞速发展，如全自动无人驾驶汽车技术、谷歌的“阿尔法狗”程序战胜人类顶尖围棋高手等。人工智能的发展可能帮助人类消除疾病和贫困，利用这种新技术革命的工具，或许能消除工业化对自然界造成的损害，将改变人类生活的方方面面。

nlc202309080929

但同时，人工智能也可能产生危险——包括自主型武器、对经济的破坏，甚至人工智能可以发展出自己的意志，一种与人类完全冲突的意志。因此，人工智能的崛起可能是人类遇到的最好的事情，也可能是最坏的事情，但目前还不知道答案。不过，人工智能的发明可能是人类历史上最大的灾难。如果不加以恰当管理，会思考的机器可能终结人类文明。

未雨绸缪，霍金不断发出这样的警告是可以理解的，但就目前的情况看，人工智能毁灭人类是想多了。现阶段，人工智能就连超越人类都非常不可能，遑论毁灭！

人工智能目前已经从大数据分析发展到深度学习的较高级阶段，即便如此，与人类自身的智慧相比，人工智能也是相形见绌。IBM公司的人工智能是目前所有人工智能中的佼佼者，其杰出产品首先是深蓝，于1997年战胜了国际象棋冠军加里·卡斯帕罗夫;随后是沃森接替深蓝，于2011年2月在美国最受欢迎的智力竞猜电视节目《危险边缘》中连续击败该节目历史上最顶尖的两位选手肯·詹宁斯和布拉德·鲁特，成为《危险边缘》节目新的冠军。

现在沃森已经致力于医疗和医药方面的人工智能服务，也被称为沃森医生。即便如此，沃森医生也没有被批准用于诊断和治疗疾病，只是因为其大数据和浩瀚的信息量可以充当医生的助手。

如果说沃森的智能还不足以说明问题，最近的一项研究更让人对人工智能有比较清醒和深入的认识。美国哈佛大学等机构的研究人员组织了一场别开生面的竞技比赛，让234名临床医生与23款疾病诊断APP（人工智能）进行比试。内科医生占这234名医生的大多数，但是也有家庭医生和儿科医生，一半的医生拥有美国居住权或者获得过奖学金。

组织者从人类诊断项目网站“人类Dx”中选取45个病例，包含高危病、普危病、低危病和19个罕见病例，这些病例的信息包括患者的病史，但不包括体检和其他检测的结果。

针对每一个病例，无论是医生还是智能APP都必须列出一种可能性最大的诊断，外加两种可能的诊断。结果表明，无论哪一种形式的诊断，医生的诊断都比人工智能要准确得多。在首次诊断中，医生的准确率为84%，智能APP的准确率为51%。在比较严重疾病的诊断上，医生的准确率为79%，智能APP准确率为24%，显示医生的诊断更为可靠。在不太严重的病情上，医生诊断的准确率为65%，智能APP诊断的准确率为41%。总体而言，医生在72%的时间里将正确的诊断结果列在第一位，但人工智能的这一数字仅为34%，在重病和罕见病的诊断上，医生更是把人工智能远远甩在后面。

毫无疑问，在大数据和快速分析上，人工智能占有绝对优势，例如沃森医生由90台IBM服务器、360个计算机芯片驱动组成，拥有2880个处理器核心，内装超过2亿页新闻、图书等资料。但是，在精确分析、逻辑推理、预见性、依靠经验和举一反三上，人类的智力远远超过人工智能。

在上述研究中人工智能没能战胜人类，但首次诊断的准确率已达到51%，而在2015年《英国医学杂志》进行相似的研究中人工智能的诊断准确率仅为34%。尽管人工智能诊断的准确率有了长足进步，但从上述方方面面来看，人工智能超越人类在现阶段还只是一种想象。因此，无论是沃森还是其他各式各样的APP人工智能，只能作为医生的助手，既不能单独行医，更不会战胜人类。

人工智能不仅仅是计算机技术

按照传统的定义，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

这种解释的主要理论和假说源自图灵测试。这是由计算机科学和密码学的先驱阿兰·麦席森·图灵在1950年发表的一篇论文《计算机器与智能》中提出的。主要内容是，如果一台电脑能在5分钟内回答由人类测试者提出的一系列问题，而且其超过30%的回答让测试者误认为是人类所答，则电脑通过测试，即电脑拥有了人工智能。

从这个内容来看，人工智能不可能仅仅是计算机科学的问题，还必然涉及心理学、哲学、语言学以及人类情感和情绪。因为，人工智能的计算机，如沃森医生在面对病人时，必然要理解病人及其亲人的话语，需要解读每个人言语的表面意义和隐含语义，甚至要理解语音的不同，更要解读人的表情和情绪，才能准确诊断疾病，这些信息显然是不能靠数据、图片等来获取的。

更为复杂的是，就连人对人的表情都有可能不会准确地解读，遑论人工智能对人的表情的解读。查尔斯·达尔文在《人与动物情感表达》中提出人类有6种基本表情，厌恶、愤怒、害怕、高兴、悲伤和惊奇，并且无论什么种族都具备这样的表情，而且表情所表达的意义是一致的。

但是，美国心理学家卡洛·克里维利等人在2016年10月17日发表于《美国国家科学院院刊》的文章中指出，当你的眉头紧锁表示不高兴时，他人的眉头紧锁未必是表示不高兴，反而是相反，可能表示愉快。这是研究人员对巴布亚新几内亚超布连原住民进行表情和心理研究的一个结论。

超布连原住民有6万人，依赖园艺和渔业生存，在历史上与巴布亚新几内亚以及外部世界相互隔绝。研究人员对来自不同村落的72名9～15岁青少年展示了一些在心理学上有固定和共识表情含义的照片，请其中约一半的超布连青少年将这些表情和名单中的情感相关联，其中包括高兴、伤心、愤怒、恐惧、厌恶或是饥饿。另外一半的人则被分配了不同测试。结果发现，超布连人一般会将笑脸与高兴相匹配。不过，他们对其他表情代表的感情意义却存在不同理解。例如，超布连人对于愁眉不展的表情代表的情感具有不同的理解，对皱鼻子、噘嘴等中性表情的理解也是如此。

有一种面部表情含义在超布连人中有相近的理解，这就是睁大眼睛、张开嘴唇倒吸一口气的表情，他们与西方人对这种表情含义的理解不同，西方文化几乎普遍认为这代表着恐惧和顺从，但超布连人认为这种表情看起来是愤怒和威胁。

也就是说，文化不同，种族不同，对人的表情所代表的意义就有理解的不同。面部表情的含义并非像过去认为的那样具有普适性。甚至连肢体语言也不具有普适性，例如，新西兰毛利人的仪式化舞蹈代表威胁的意义，而非庆祝和欢快。

即使以普适性的面部表情所表达的意义为准，当一名阑尾患者尚未出现经典的反跳痛之时，仅仅依靠其手捂住腹部的疼痛位置和其痛苦的表情，有经验的医生就有可能诊断出是阑尾炎，但是，人工智能的沃森医生和其他智能APP软件未必能诊断出来。

从医学是社会学的角度看，任何一名患者不仅仅是患有疾病，更是一个有着丰富感情和生活经历的人，医生会通过了解患者的情感和生活经历不仅准确地解释疾病，还能读懂疾病以外的东西，如一些性病症状是患者所不愿意透露的，医生和智能APP发现其中的差异和真伪也是不一样的，医生的解密能力比APP的解码能力更强。

所以，人工智能及其应用不只是需要计算机技术，还需要心理学、哲学、文化人类学、民俗和对人类语言的深层解码，如对语言的比喻、讽刺和言外之意的理解。

【责任编辑】张田勘

篇5：人工智能在游戏中的应用

摘要

人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等，研究成果已经广泛地用于了各行各业，当然也包括游戏。

本文主要简介了电脑游戏中的人工智能技术，提出了通过了“游戏中的图灵测试”的游戏是最适合玩家娱乐的理念，介绍了目前网络游戏中流行的外挂技术以及部分人工智能在游戏中应用的技术。

关键字 人工智能 电脑游戏 遗传算法 应用

1.电脑游戏与人工智能的关系

电脑游戏从诞生以来，由于其强大的模拟现实作用，越来越受到人们的喜爱。随着现代计算机、网络、虚拟现实、人工智能等技术的发展，游戏的拟人化越来越逼真。高度的拟人化使得现代电脑游戏能够模仿人类社会中的各种情形，并把这些情形通过视觉、听觉、甚至触觉等多种感官反映到人的大脑，从而对人们的现实生活产生巨大冲击。

无论是什么游戏，游戏玩家都希望在游戏中能够体验到现实中无法体验到的刺激，得到现实中无法得到的满足。这些刺激和满足主要表现在特定的挑战、社会化、幻想、情感等方面。

人们在玩电脑游戏的时候，也希望游戏中的其他角色能够拥有某些程度上的智能。这些智能可以使得人们能够在游戏的同时得到满足，它可以使人在进行游戏中不觉得孤单。然而，这种智能必须得到控制。如果游戏中的机器角色的智能明显高于玩家的能力，玩家会有很强烈的挫败感，之后便会放弃这样的游戏。所以，人工愚蠢(Artificial Stupidity)技术也是必不可少的。在游戏中，太强或太弱的人工智能都是不合适的。

那何种程度的人工智能才是合适的呢？回答这个问题首先要考虑怎样的机器可以算作智能机器。这里就不能不提人工智能之父图灵。图灵在1950年提出了“图灵实验”的概念，他认为能够通过图灵实验的机器是具有智能的。其实，在游戏中也是一样的。“图灵实验”在游戏中可以这样描述：当玩家和其他玩家同诸多机器在同时游戏时，如果这个玩家通过游戏规则中的任何方式都无法分辨游戏中的其他角色哪个是其他玩家，哪个是机器的线程，那么我们可以说这个游戏通过了“游戏中的图灵测试”。一般来说，通过了“游戏中的图灵测试”的游戏是最适合玩家娱乐的。

最近网络游戏大量流行，我觉得，网络游戏也许是人工智能最佳的实验场合。因为网游是现实社会的一个简化版本，这在里，大量需要各种处理问题的知识与技巧，需要各种类型的知识表示与处理结构，其复杂度远比操作系统或编译原理要高得多。在网游中，目前人工智能的应用主要集中在外挂上，在游戏开发者手里，人工智能反而应用的不多，最多只有寻径算法等少数算法，而外挂中，各种自动化技术的应用，可以明显将玩家从复杂的操作中解放出来。可以这么说，任何正常玩家能够实现的功能，外挂全都可以实现，除非玩家本身就不知道如何玩。外挂不但可以模拟单个玩家的行为，甚至可以模拟团队活动。所以说，外挂在表达智能行为方面是足够的。在知识表示、知识发现与知识传播等等方面也远比现实中要简单的多。我们甚至可以这样改进图灵实验，如果在网游中，你不能成功区别哪些角色是普通玩家，哪些又是外挂角色的话，那么就可以认为该外挂掌握了足够的智能了。

2.人工智能在游戏中的应用

人工智能在游戏中的目标主要有五个：一是为玩家提供适合的挑战；二是使玩家处于亢奋状态；三是提供不可预知性结果；四是帮助完成游戏的故事情节；五是创造一个生动的世界。这个生动的世界可以是类似现实生活中的世界，也可以是与现实世界完全不同的世界。但不管何种世界都要求有一整套能够自圆其说的游戏规则。

在游戏制作过程中，实现人工智能的关键主要有：虚拟现实与拟人化、动画效果与机器角色场景感知、机器角色的机器学习和进化、玩家与机器角色之间的平衡性、人工愚蠢技术、确定性人工智能技术与非确定性人工智能技术的互补。

人工智能在游戏中应用的技术非常之多，如：有限状态自动机(Finite State Machines)、模糊逻辑(Fuzzy Logic)、产生式系统（production system）、脚本设计(Scripting)、基于规则的人工智能和系统(Rules-based AI and Systems)、贝叶斯推论(Bayesian Inference)和非确定性贝叶斯网络(Bayesian Networks for Uncertainty Decisions)、人工生命(Artificial life)、决策树（Decision Tree）、专家系统（Expert system）、神经网络(Neural Networks)、遗传算法(Genetic Algorithms)等。限于文章篇幅，下面只具体介绍这八种较容易理解的技术：有限状态自动机、模糊逻辑、产生式系统、决策树、人工生命、专家系统、神经网络和遗传算法。

2.1有限状态自动机

有限状态自动机（FSM “finite state machine”）是为研究有限内存的计算过程和某些语言类而抽象出的一种计算模型。有限状态自动机拥有有限数量的状态，每个状态可以迁移到零个或多个状态，输入字串决定执行哪个状态的迁移。有限状态自动机可以表示为一个有向图。

有限状态自动机有多种类型：接受器判断是否接受输入；转换器对给定输入产生一个输出。常见的转换器有Moor机与Mealy机。Moore 机对每一个状态都附加有输出动作，Mealy 机对每一个转移都附加有输出动作。

有限状态自动机还可以分成确定与非确定两种。非确定有限状态自动机可以转化为确定有限状态自动机。

有限状态自动机识别的语言是正规语言。有限状态自动机除了它在理论上的价值，还在数字电路设计、词法分析、文本编辑器程序等领域得到了应用。

2.2 模糊逻辑

模糊逻辑（Fuzzy Logic），模仿人脑的不确定性概念判断、推理思维方式，对于模型未知或不能确定的描述系统，以及强非线性、大滞后的控制对象，应用模糊集合和模糊规则进行推理，表达过渡性界限或定性知识经验，模拟人脑方式，实行模糊综合判断，推理解决常规方法难于对付的规则型模糊信息问题。模糊逻辑善于表达界限不清晰的定性知识与经验，它借助于隶属度函数概念，区分模糊集合，处理模糊关系，模拟人脑实施规则型推理，解决因“排中律”的逻辑破缺产生的种种不确定问题 模糊逻辑通常使用 IF/THEN 规则，或构造等价的东西比如模糊关联矩阵。规则通常表达为如下形式: IF 模糊变量 IS 模糊集合 THEN 动作

例如，一个非常简单的使用风扇的温度调节器:IF 温度 IS 非常冷 THEN 停止风扇IF 温度 IS 冷 THEN 减速风扇IF 温度 IS 正常 THEN 保持现有水平IF 温度 IS 热 THEN 加速风扇注意没有 “ELSE”。所有规则都被求值，因为温度在不同程度上可以同时是“冷”和“正常”。

2.3产生式系统一个产生式系统（production system）由下列3部分组成：

一个总数据库(global database)，它含有与具体任务有关的信息。

一套规则，它对数据库进行操作运算。每条规则由左右两部分组成，左部鉴别规则的适用性或先决条件，右部描述规则应用时所完成的动作。应用规则来改变数据库。一个控制策略，它确定应该采用哪一条适用规则，而且当数据库的终止条件满足时，就停止计算。

产生式规则是对数据库进行操作的一系列规则。规则的一般形式是：

IF 条件 THEN 操作

即满足应用的先决条件后，就对数据库实行后面的操作。

控制策略规定了操作的顺序，即在任何条件下用什么规则进行操作，什么条件下停止运行，它规定了问题的求解的搜索策略和路线。控制策略一般可分为不可撤回方式和试探法两大类，试探法又包括回溯法和图搜索法两种。

2.4 决策树

决策树（Decision Tree）一般都是自上而下的来生成的。每个决策或事件（即自然状态）都可能引出两个或多个事件，导致不同的结果，把这种决策分支画成图形很像一棵树的枝干，故称决策树。

决策树提供了一种展示类似在什么条件下会得到什么值这类规则的方法。比如，在贷款申请中，要对申请的风险大小做出判断，图是为了解决这个问题而建立的一棵决策树，从中我们可以看到决策树的基本组成部分：决策节点、分支和叶子。

决策树中最上面的节点称为根节点，是整个决策树的开始。本例中根节点是“收入>￥40,000”，对此问题的不同回答产生了“是”和“否”两个分支。

决策树的每个节点子节点的个数与决策树在用的算法有关。如CART算法得到的决策树每个节点有两个分支，这种树称为二叉树。允许节点含有多于两个子节点的树称为多叉树。

每个分支要么是一个新的决策节点，要么是树的结尾，称为叶子。在沿着决策树从上到下遍历的过程中，在每个节点都会遇到一个问题，对每个节点上问题的不同回答导致不同的分支，最后会到达一个叶子节点。这个过程就是利用决策树进行分类的过程，利用几个变量（每个变量对应一个问题）来判断所属的类别（最后每个叶子会对应一个类别）。举例如下：

假如负责借贷的银行官员利用上面这棵决策树来决定支持哪些贷款和拒绝哪些贷款，那么他就可以用贷款申请表来运行这棵决策树，用决策树来判断风险的大小。“年收入>￥40,00”和“高负债”的用户被认为是“高风险”，同时“收入<￥40,000”但“工作时间>5年”的申请，则被认为“低风险”而建议贷款给他/她。

2.5人工生命

人工生命(Artificial life)是通过人工模拟生命系统,来研究生命的领域。人工生命的概念，包括两个方面内容：1）、属于计算机科学领域的虚拟生命系统，涉及计算机软件工程与人工智能技术，以及2）、基因工程技术人工改造生物的工程生物系统，涉及合成生物学技术。

虽然人工生命(AL)领域与人工智能(AI)领域的确有明显的重叠区,但他们有截然不同的初衷和演生史.以研究是否以及如何实现模拟智能的人工智能研究,早在计算机诞生后的初期就已经兴起,然而以试图澄清emergent behaviors的本质的人工生命的研究者们,可以说一直不知其他人在做类似的工作而孤军作战,直到80年代末,这个领域才正式的诞生。人工生命分为以下两种主导观念

强人工生命:主张“生命系统的演化过程,是一个可以从任何特殊媒介物中抽象出来的过程.”(John Von Neumann).Notably, Tom Ray 在Tierra模拟试验中第一次展示了,进化过程在有着抢占计算机存储空间之争的计算机程序的某种群体中极易发生。

弱人工生命:认为不通过基于碳“生命过程”的生成是不可能的.他们的研究不是去模拟这一过程,而是试图去理解单个的现象。通常通过agent based model进行研究,它通常可提供最简的可能结论,就是: 我们不知道自然界中的什么生成了这种现象,但是通过模拟也许可以找到复杂生物现象的原理。

2.6专家系统

专家系统(expert system)是人工智能应用研究最活跃和最广泛的课题之一。运用特定领域的专门知识，通过推理来模拟通常由人类专家才能解决的各种复杂的、具体的问题，达到与专家具有同等解决问题能力的计算机智能程序系统。它能对决策的过程作出解释，并有学习功能，即能自动增长解决问题所需的知识。

专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。

2.7神经网络 神经网络（Neural Networks）首先要以一定的学习准则进行学习，然后才能工作。现以人工神经网络对手写“A”、“B”两个字母的识别为例进行说明，规定当“A”输入网络时，应该输出“1”，而当输入为“B”时，输出为“0”。

网络学习的准则是：如果网络做出错误的的判决，则通过网络的学习，应使得网络减少下次犯同样错误的可能性。首先，给网络的各连接权值赋予(0，1)区间内的随机值，将“A”所对应的图像模式输入给网络，网络将输入模式加权求和、与门限比较、再进行非线性运算，得到网络的输出。在此情况下，网络输出为“1”和“0”的概率各为50%，也就是说是完全随机的。这时如果输出为“1”(结果正确)，则使连接权值增大，以便使网络再次遇到“A”模式输入时，仍然能做出正确的判断。

如果输出为“0”(即结果错误)，则把网络连接权值朝着减小综合输入加权值的方向调整，其目的在于使网络下次再遇到“A”模式输入时，减小犯同样错误的可能性。如此操作调整，当给网络轮番输入若干个手写字母“A”、“B”后，经过网络按以上学习方法进行若干次学习后，网络判断的正确率将大大提高。这说明网络对这两个模式的学习已经获得了成功，它已将这两个模式分布地记忆在网络的各个连接权值上。当网络再次遇到其中任何一个模式时，能够作出迅速、准确的判断和识别。一般说来，网络中所含的神经元个数越多，则它能记忆、识别的模式也就越多。

2.8遗传算法

遗传算法（Genetic Algorithm）是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。它的主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现代有关智能计算中的关键技术。遗传算法的基本运算过程如下:

a)初始化:设置进化代数计数器t=0，设置最大进化代数T，随机生成M个个体作为初始群体P(0)。

b)个体评价:计算群体P(t)中各个个体的适应度。

c)选择运算:将选择算子作用于群体。选择的目的是把优化的个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。选择操作是建立在群体中个体的适应度评估基础上的。

d)交叉运算；将交叉算子作用于群体。所谓交叉是指把两个父代个体的部分结构加以替换重组而生成新个体的操作。遗传算法中起核心作用的就是交叉算子。

e)变异运算:将变异算子作用于群体。即是对群体中的个体串的某些基因座上的基因值作变动。

群体P(t)经过选择、交叉、变异运算之后得到下一代群体P(t 1)。

f)终止条件判断:若tT,则以进化过程中所得到的具有最大适应度个体作为最优解输出，终止计算

3.结论与展望

我们玩电脑游戏，主要是为了得到一种放松、一种享受、以及在现实生活中无法得到的一种快感。这需要电脑游戏能制作得符合玩家的口味，游戏的主题能够吸引玩家深入，游戏的规则和结果能够使得玩家满意。而在这一切中，人工智能技术扮演了相当重要的角色。

就目前来说，技术上的困难主要来源于两个方面：一是游戏中的非确定状态实在太多，人的情感是极其复杂的，并非是简单的数理关系就能表现出来的；二是现有的硬件和计算机网络水平还不是很高。

目前要解决这些困难，在技术上来说还是不成熟的。对于数量极多的非确定状态来说，尽可能地提高硬件和计算机网络的速度，可能是一个解决方法。但是要提高硬件和计算机网络的速度也并非易事，而更有效的办法是提高软件的执行速度。比如使用更有效的算法或神经网络等新技术。

随着游戏制作技术和计算机技术日趋发达，这些问题终将被解决，我们未来的游戏也将会更加完善。我曾经见过很多这样的玄幻小说，就是带着个头盔便可以进入一个虚拟的游戏世界，人在里面的感觉和真实世界一样，例如游戏里挨打身体真的会疼。也许，在不久的将来，游戏中的一串代码和人的感觉会具有相似的效果。

参考文献

百度百科 http://baike.baidu.com/ 维基百科 http://zh.wikipedia.org/ Tom Meigs.顶级游戏设计[M].北京:电子工业出版社,2004年5月

John David Funge.人工智能在计算机游戏和动画中的应用——认知建模方法[M].北京:清华大学出版社,2004年6月

篇6：人工智能的应用领域

人工智能的发展历史与应用

建议课时

1课时

课型

新知学习课（√）原理探究课（）综合应用课（）其它_____（）

教学背景分析

随着诸多关键技术的突飞猛进，诞生半个多世纪的人工智能终于从研发走到如今的巅峰期。那么人工智能如何诞生，又是在漫长的历史中怎么发展起来的？学生虽然能够说出生活中的人工智能的应用，但却对人工智能的发展历史较为陌生。在本节课中，学生将通过自主阅读材料，归纳总结人工智能的发展的三次浪潮及两次低谷，并对人工智能的实际应用有进一步的认识。

学习目标

1.知道达特茅斯会议标志着人工智能的诞生。

2.知道人工智能经历了3次浪潮。

3.知道人工智能在制造、家居、教育、交通、安防、医疗、物流、军事等领域有广泛的应用。

4.通过阅读教材，学习人工智能的发展历史，提升分析信息和处理信息的能力。

5.通过了解人工智能发展的历程，辩证地看待科技发展的一般规律。

6.产生对人工智能领域的学习兴趣和探究热情。

学习重难点

1.学习重点

（1）知道达特茅斯会议标志着人工智能的诞生。

（2）知道人工智能经历了3次浪潮。

2.学习难点

（1）知道人工智能在制造、家居、教育、交通、安防、医疗、物流、军事等领域有广泛的应用。

课前准备

教材，教学课件，学习单。

教学过程设计

教师活动

学生活动

环节一：新课引入

教师活动：

1.教师带领学生一起回顾前两节课的内容，回忆人工智能的含义以及人工智能在生活中的实际应用等。

2.教师从生活实际出发，列举人工智能带给生活的变化，并让学生思考人工智能的发展起源。

学生活动：

1.学生回忆人工智能的含义与人工智能的应用。

2.学生对人工智能的发展历史产生好奇。

设计意图：通过旧知回顾引入课程主题——人工智能的发展史。

环节二：新知学习（一）人工智能的发展历史

教师活动：

1.在教师讲授前，要求学生阅读教材P10-15，自主学习人工智能的发展历程，并填写学习单问题1。

2.教师引导学生就近四人一组，让学生互相之间交流自己的想法，并确定一个最终版本，分小组进行汇报。

3.教师进行点评并总结归纳人工智能的发展历史。

学生活动：

1.学生阅读材料，完成学习单问题1。

2.学生小组讨论，并上台汇报。

3.跟随教师的思路学习人工智能的发展历史。

设计意图：学生自主阅读相关材料，通过填写学习单，了解人工智能发展史。

环节三：新知学习（二）人工智能在各行各业中的应用

教师活动：

1.教师创设问题情况，引导学生进行自主学习。具体问题和任务如下：

提问：在不同的应用领域，你都知道哪些人工智能的应用呢？

任务：阅读教材P16-19，完成学习单问题2。

2.提问学生“人工智能在不同领域的实际应用案例具体有哪些？”，学生回答问题后进行归纳总结。

学生活动：

1.学生阅读教材P16-19，完成学习单问题2，归纳总结人工智能的应用案例。

2.学生自由举手回答填写的学习单内容。

设计意图：通过学生自主探究为主，教师讲授为辅进行知识的传授，培养自主学习意识，提高学生的语言表达能力和信息归纳能力。

环节四：总结归纳

教师活动：

1.教师与同学们一起回顾本节课的知识点，提问学生以下问题。

（1）“人工智能之父”是谁？

（2）人工智能最早是什么时间产生的？

（3）人工智能的发展经历了几起几落，低谷的原因是什么？

（4）你认为未来，哪些工作将被人工智能取代？

学生活动：

1.学生回答问题。

设计意图：总结和反思，帮助学生内化所学，以及延展课下的继续学习和思考。

学习评价

评价任务：

1956年-2016年，人工智能技术在发展历程中经历了三次高潮，两次低谷，阅读教材，在方框中填入关键性的事件名称。（10分）

评价标准：

总共有6空，每空最高得分为10分，根据回答精简度和聚焦程度进行打分，最后取6题的平均分作为本任务的最后得分，总分10分。

评价分数的应用：