智能控制作业

人工智能及其应用

摘 要

人工智能作为一门多种学科互相渗透而发展起来的交叉学科在各方面都有着应用。总结了人工智能控制理论在各个不同阶段的发展状况及理论的突破, 介绍了人工智能控制技术在各个时期典型应用的标志成果, 分析当前人工智能控制面临要解决的问题, 探讨人工智能控制理论今后发展方向。

关键字：人工智能；人工智能技术；应用 一、 人工智能简介

人工智能（Aritificial Intelligence，AI）是一门综合了计算机科学、控制论、信息论、神经生理学、心理学、语言学、哲学等多种学科互相渗透而发展起来的一门交叉学科，从诞生至今已有近60 年的历史。人工智能是研究如何制造智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。人工智能不在乎计算机是依靠某种算法还是真正理解人类行为，只需要其能表现出与人相似的行为，它是计算机科学中的—个分支，涉及智能机器的研究、设计和应用。人工智能的研究目标在于怎样用计算机来模仿和执行人脑的某些功能，并开发相关的技术以及产品，建立有关的理论。人工智能可分为：基本人工智能，包括知识表示、推理；高级人工智能，如模糊逻辑、神经网络、专家控制；计算智能，如遗传算法、群集智能。人工智能研究领域的三种主要观点:符号主义又称为逻辑主义或计算机学派，其认为符号是人类的认识基元， 同时人认识的过程即是对符号的计算与推理的过程；联结主义又被叫做仿生学派，其主要原理是人类的智能是由人脑的生理结构和工作模式所决定；行为主义又被称作进化主义、控制论学派，其主要原理是智能取决于感知和行动，它不需要知识、也不需要知识的表示与推理。

二、 人工智能控制发展状况

1

人工智能控制理论的发展历史分可为3 个阶段。

1、 萌芽阶段

20 世纪40～50 年代，以频率法为代表的单变量系统控制理论逐步发展起来，并且成功地用在雷达及火力控制系统上，形成了今天所说的“古典控制理论”。1956 年以前，英国数学家图灵（A.M.Turing）为现代人工智能做了大量开拓性的贡献。20 世纪60～70 年代，数学家们在控制理论发展中占了主导地位，形成了以状态空间法为代表的“现代控制理论”，控制理论建立在严密精确的数学模型之上，从而造成了理论与实践之间的巨大分歧。1961 年以后，人工智能主要内容涉及知识工程、自然语言理解等。人们研究人工智能方法也分为结构模拟派和功能模拟派，分别从脑的结构和脑的功能入手进行研究。

2、发展阶段

建立于严密的数学理论上的控制理论发展受到挫折，而模拟人类智能的人工智能却迅速发展起来。控制理论从人工智能中吸取营养寻求发展成为必然。工业系统往往呈现高维、非线性、分布参数、时变、不确定性等复杂特征，特别是非线性对控制结果的影响复杂，控制工程人员很难深入理解，更谈不上设计出合适的控制算法，不确定性是最难以解决的问题，也是导致大系统理论失败的根本原因。在这样的背景下，这一阶段先后提出了人工智能控制、模糊逻辑控制、反馈最优控制等算法理论，并广泛应用于工业控制等领域。20 世纪80 年代，人工智能控制的研究进入了迅速发展时期。1984 年，Astrom 发表了论文，这是第一篇直接将人工智能的专家系统技术引入到控制系统的代表作，明确地提出了建立专家控制的新概念；1986 年，中国蔡自兴提出把人工智能、控制论、信息论和运筹学结合起来，用来构造用于不同领域的智能控制系统，有效地促进专家系统进一步发展；与此同时，人工神经网络的研究也由于人工智能的兴起而再度掀起了研究的热潮；对于模糊理

2

论的研究，以及其他智能理论的分支，都开始迅速热化并开展研究。这些标志着智能控制已从研制开发阶段转向应用阶段。

3、飞速发展阶段

进入20 世纪90 年代，关于人工智能控制的研究论文、著作、会议、期刊大量涌现，应用对象也更加广泛，从工业过程控制、机器人控制、航空航天器控制到故障诊断、管理决策等均有涉及，并取得了较好的效果。专家系统的应用不断发展和深化，已经达到了可以不断地监督生产过程，实现特定性能指标下的优化控制的目标；它相对传统控制而言，扩展了许多功能，如复杂系统的高质量控制，故障诊断和容错控制，深层知识的引入，并可以弥补专家经验的不足，可以自然消除决策冲突。因此，专家系统成在90 年代以后也成为智能控制的一个重要分支。进入21 世纪以来，人类在人工智能方面由于理论的飞速发展，因而人工智能技术在具体应用上如鱼得水，已经开始渗透到人们的日常生活之中，从卫星智能控制，到机器人足球比赛，再到智能家居机器人，等等，都标志着人工智能技术的飞速发展。

目前，人工智能控制的研究以认知科学、心理学、社会学、语言学、系统学和哲学等学科为基础，有效地把数字技术、计算机网络、远程通信、数据库、计算机图形学、语音与听觉、机器人学、过程控制等技术有机地结合，提供了解决复杂问题的有效手段；而且人工智能控制理论的主要内容已经形成了递阶智能控制理论、神经网络智能控制理论、学习控制理论、定性控制理论，以及基于遗传算法的控制理论等几大分支理论。

三、主要人工智能理论与技术分析

目前智能控制的基础技术包括模糊控制、神经网络控制、自然语言处理、专家系统、机器学习、机器人学等等。

3

1、模糊控制

模糊控制就是以模糊集合理论为基础的智能控制技术。模糊集合理论为控制技术摆脱建立精确数学模型提供了手段，使控制系统像人一样基于定性的模糊的知识基于控制决策成为可能。在模糊控制系统中，能够将人的控制经验和知识包含进来，从这个意义上说，模糊控制是一种智能控制。模糊控制既可以面向简单的被控对象，也可以用于复杂的控制过程。

2、神经网络控制

神经网络控制就是基于人工神经网络的控制技术。神经网络具有高速并行处理信息的能力，这种能力适用于实时控制和动力学控制；神经网络具有很强的自适应能力和信息综合能力，这种能力适用于复杂系统、大系统和多变量系统的控制，神经网络的非线性特性适用于非线性控制。神经网络具有学习能力，能够解决那些用数学模型或规则模型难以处理的控制过程。

3、自然语言处理

在人与人之间进行交流时，很容易地执行非常复杂但需要较少理解的过程。但如果要是依靠计算机来编制程序模拟之间的交流过程则是非常困难的，即便是很简单的语言交流。自然语言的交流与理解已经成为了人这种智能生物的沟通媒介，实现了思想在人们之间的传递。计算机或机器能够模拟人，实现依据不同的语言环境用信息发生器进行推理的过程。计算机或机器能够解读口语与书面语的成果，即基于能够表达不同语境的人工智能方法和依据这些方法执行推理的过程。

4

4、 专家系统

专家系统目前已发展成为人工智能研究最为广泛的领域之一，专家系统在许多工作中得到了有效的应用。专家系统用以解决需要具有专家一样的大量专业知识和大量实际工作经验的工作环境。专家系统模拟专家，集成了大量专业知识和该领域内大量的实际工作经验，可以代替专家解答用户的问题咨询，也可以帮助用户得出所需要的决策。研制专家系统的核心内容是表达并运用专业知识和专家经验，也就是预制大量专业知识，获取大量专家的工作经验，依据用户的需要模拟专家进行推理、分析，最终得出结论。专家系统与其它人工智能研究应用不同的是，对于大多数用户的问题，专家系统没有成熟的算法解，需要在不精确的条件下推理出有效的结果。

5、机器学习

学习能力是人作为高等生物的显著标志之一，因此人工智能需要重点研究学习能力的智能模拟，使计算机或机器具备人一样的学习能力，目前在机器学习研究领域已经取得了一些成果。对于人的学习过程来讲，学习是需求知识在人脑中的一个积累、并形成某种结构的过程，这种过程具有一定的目的性、指向性，包含了人基于某种判断而选择的过程。只有让机器具有了学习的能力，才是机器具备智能的标志。同时，机器学习的研究还能够帮助科学家研究发现人类学习的原理，以及人脑基于学习的复杂构造的奥秘。所以机器学习始终是人工智能研究人员的重点研究方向。

6、机器人学

现今还有一个在人工智能界日益受到关注的领域就是机器人学，机器人学的内容主要是研制一个机器，该机器能够像人一样进行很多动作，模拟人的行为举止。该领域的研究

5

既涵盖了机器的研制、人类行为举止的智能研究、程序设计等内容的研究。机器人的研制能够模拟人的身体各部位的活动，如手、脚、走路、转身、弯腰等，虽然目前机器人学的研究也已取得了一定的成果，也成功在工业领域内进行了广泛应用，但截至目前这种机器人的应用还只是人类行为的简单模拟，只是按照提前制定的流程进行固定的操作，还不能像真正的人类一样，进行身体各部位的综合协调运动。

一些并不复杂的动作控制问题，如移动式机器人的机械动作控制问题，表面上看并不需要很多智能。即使是个小孩，也能顺利地通过周围环境，操作电灯开关、玩具积木和餐具等物品。然而人类几乎下意识地就能完成的这一任务，要是由机器人来实现就要求机器人具备在求解需要较多智能的问题时所用到的能力。该领域的研究推动了本学科很多理念的进步，研究产生的很多结果能够进行现实环境的再现。机器人的研制成果在很多领域得到了极为广泛的应用，也获得了其它学科越来越多的关注与支持。

四、目前比较成功的人工智能技术应用

沃森：击败最强大脑的人工智能。如果说深蓝只体现于对弈的人工智能并不算足够智能的话，那么另一款人工智能程序“沃森”，则能够符合大众对“智能”的认知。在一档类似于“最强大脑”的综艺节目《危险边缘》中，沃森击败了两位最高纪录保持者，获得百万奖金。问答过程中，沃森在无人类协助的情况下，独自完成对自然语言的分析，并且以远超人类的速度完成抢答。人工智能程序沃森的特点在于对大数据迅速、准确的分析，于是现今IBM正将其运用于医学领域。病人向沃森上传自己的病况与症状，沃森则根据该情况分析患者最有可能患上的疾病种类，并提供医治方法。今后该程序还可运用在更多特定环境中，为用户提供各种紧急情况的应对方法。

谷歌搜索：隐藏最深的人工智能。2002年，尚未成为谷歌CEO的拉里·佩奇曾在回答凯文·凯利“为什么谷歌要做免费搜索”的提问时，回答道，“不，我们在做人工智能”。实

6

际上，谷歌搜索正是一种完善人工智能的尝试：用户在谷歌上的每一次搜索，都是在辅导人工智能进行深度学习。谷歌搜索在表面上只是一款搜索引擎，但其引擎的机理和很多人工智能程序相同：以并行计算、大数据及更深层次算法为基础，完成对数据、问题的智能化分析。或许很多谷歌用户都能感受到，谷歌搜索正变得越来越“聪明”，越来越“懂你”，而赋予其这种学习能力的，正是人工智能。

谷歌无人驾驶汽车：即将到来的人工智能。前方红灯需要停车；左转弯时注意行人与后方汽车；前方汽车急停需要迅速踩刹车……诸如此类复杂且参考因素众多的驾驶问题，只有人类才能妥善解决。不过这个情况马上就会迎来改变，因为Google的无人驾驶车将于2020年正式上市。人工智能正在取代人类的工作，解放人类的双手。与谷歌无人驾驶汽车高价值对应的，是复杂的分析程式：利用传感器、雷达、摄像机、激光测距仪、GPS等获得路况信息，再交由系统分析，获得应对措施，再传达至汽车的各项零部件……其复杂繁琐程度可见一斑。虽然谷歌汽车暂时尚未能完全实现汽车自动驾驶，但相信随着人工智能技术的发展，人工智能完全接替人力操作的未来并不遥远。

QVM：最安全也&最冷门的人工智能。国内也有颇多厂商开始利用人工智能技术为大众服务，其中成熟度较高的则是安全领域中的一款杀毒引擎：360 QVM引擎。QVM引擎在病毒库中寻找病毒演化规律并归纳成算法，尔后利用人工智能技术的学习功能将其掌握，最终QVM引擎将能够自主识别病毒库中的样本及病毒库中并不存在的样本“进化版”。据了解，人工智能引擎QVM被归为第三代杀毒引擎，其病毒检出率已远超前两代引擎的总和，且查杀速度至少提高一倍。

在反病毒领域，QVM的价值并不仅体现在其快速、准确的识别、查杀病毒能力，还有将人工智能技术与杀毒软件结合的想法：首先通过对病毒样本的分析和分类形成样本向量和向量机，然后建立一个机器学习的决策机模型，利用决策树和向量机对大量样本进行

7

学习，从而识别恶意程序或非恶意程序；并且病毒库中的样本越多，QVM引擎的查杀将越快、越精确。运用人工智能技术的QVM引擎，正在重新定义杀毒软件的历史。

苹果Siri：为你解决问题的人工智能。相比于冷冰冰的的病毒引擎，人们对有“感情”的Siri明显更有兴趣。Siri用到的技术同样基于人工智能以及云计算：通过与用户交互获取用户需求，将自然语言转化为“真实含义”，交由知识库分析、检索所需结果，最终再转换为自然语言回答给用户。短短数秒之内，Siri就能将用户需求转化为多不同的表述方式并完成在海量数据中的搜索。Siri对人类生活产生的影响无需赘述，从最初的聊天解闷，到后来能有效的帮助主人搜索并解决问题，现今Siri俨然成为最合格的“私人助理”。在并不遥远的未来，以Siri为代表的人工智能语音识别技术亦将有着更大的发展：类似于“沃森”的医疗求助、车载导航乃至教育领域都可以利用该技术来达到解放人力的目的。

虽然当前人工智能技术的“思考方式”依旧略显远古，但即便如此，它们还是在很多领域超越了人类中的佼佼者。“我们该给它们多一些的时间，再等个15年，机器（人工智能技术）或许就能完全超越我们”，奇点大学校长雷·库兹韦尔在接受采访时曾如是表示；大批“聪明人”（霍金、比尔盖茨等）亦都曾预测“智能爆炸”为期不远。或许库兹韦尔所期待的遥远的奇点，已经来临了。

五、人工智能的认识

人工智能是下一次生产力飞跃的突破口。和任何曾经处于发展过程中的新兴学科一样，人工智能早期发展并非一帆风顺，它曾受到多方质疑。例如上世纪80年代的机器翻译就没有取得预期成果，其主要受制于计算机计算能力的限制，无法模仿人脑语境思考。

近些年，人工智能的研究和应用又掀起新高潮。一方面是计算机硬件性能的突破，另一方面是以云计算为代表的计算技术的快速发展，使得信息处理速度和质量大为提高，能

8

够快速、并行处理海量数据。

金融危机以后，欧美国家回归前沿科学技术的战略布局，更加重视人工智能技术的研究，特别是在人工智能基础研究、人脑研究、网络融合、3D智能打印等领域不断有研究突破。越来越多的科学家期待人工智能成为人类进入知识经济时代后，下一次生产力飞跃的突破口。如今，人工智能技术的研究和发展已经在很大程度上影响着现在的计算机相关产业，并决定了计算机、网络技术的未来发展方向。

人工智能为ICT技术发展指引方向。当前，人工智能技术对互联网行业产生的影响和变革主要有如下几个方面：

在理论技术层面，人工智能技术为基于互联网和移动互联网等领域的创新应用提供理论基础。例如，自动定理推理为网络信息检索、问题求解、远程诊断等问题提供了自动求解方案;自然语言理解为计算机人类语言理解提供理论和方法;数据挖掘为从数据库中挖掘提炼出具有必然性和蕴含本质规律的数据提供了规则、聚类等数据处理、建模、评估标准。

在技术应用和创新层面，人工智能技术的发展，为未来ICT等网络技术的发展指引了方向。当前，以智能算法、深度学习、云计算为代表的大规模网络应用已经成为ICT产业的重要发展方向。各大互联网公司在深度学习领域不断积极探索。深度学习是机器学习研究中的一个重点关注领域，其研究侧重于建立、模拟人脑进行分析学习的“神经网络”。

在创新方面，深度学习带来了机器学习的新浪潮，推动“大数据+深度模型+数据发现挖掘”时代的来临。人工智能技术与互联网的融合，是两个领域发展到一定阶段，探索创新的必然结果，深度学习为拥有强大计算能力和数据资源的互联网巨头公司带来下一次全面领跑的机会。例如，谷歌、百度在硅谷的研发实验室，在对深度学习、算法升级，对机

9

器学习模仿人脑的智能活动，让机器像人脑一样识别图像、理解自然语言，解析网络内容之间关系做深度探索。百度语音和图像等相关网络产品应用的快速崛起，正是受益于对机器学习等领域的技术突破。

在融合发展层面，人工智能技术的发展促进多种科学与网络技术的深度融合。从国际上看，人工智能技术在美国、欧洲和日本发展迅速，并且带动了多种信息科学领域的发展，信息学、控制学、仿生学、计算机学等领域的技术突破均被运用到人工智能应用中去。

从技术发展脉络发展上，人工智能很多技术一直处于创新的前沿，未来会在很大程度上影响信息产业的发展方向。人工智能发展至今涉及多个研究领域，研究方向包括符号计算、语言识别、模式识别和计算机视觉、机器翻译与机器学习、智能信息检索、问题求解与专家系统、逻辑推理与逻辑证明、自然语言处理等，逐渐成为更为广泛的智能科学学科。

推动人工智能在通信行业应用示范。在人工智能技术发展过程中，我们总体上应该贯彻落实创新驱动发展战略，在立足自主创新的同时，放眼国内国际两个大局技术发展情况，加强跟踪高新技术产业技术的发展态势调整产业结构，统筹全局发展，切实推进由技术革新到推进经济发展方式的转变，实现工业经济产型升级，同步大力支持我国人工智能相关研究和产业化工作。

建立针对相关科研成果的产业追踪机制。针对国际国内相关企业和科研机构正在进行的相关科研活动进行动态追踪，对其科研成果在各行各业的信息化应用进行预研预判，为制订信息化发展相关政策规划提供线索和根据。

适时引导和推动人工智能相关产业领域的研发应用。加强对人工智能和人脑科学工业领域应用的深入调研分析，掌握工业机器人、新型计算产品、人工神经网络等的发展和应

10

用现状，坚持应用牵引，整合产学研现有资源，形成一批人工智能关联技术的实验室和技术中心，推动人工智能关联技术在网络、通信等行业快速发展的应用示范。

加大对人工智能关联技术的资金支持力度，引导人工智能关联技术向通用技术领域的演进和转化。未来人工智能技术将进一步推动关联技术和新兴科技、新兴产业的深度融合，推动新一轮的信息技术革命，其人工智能技术将成为我国经济结构转型升级的新支点。

参考文献

［1］肖斌，薛丽敏，李照顺．对人工智能发展新方向的思考[J]．信息技术，2009，

12：166-168．

［2］朱祝武．人工智能发展综述[J]．中国西部科技，2011，10（17）：08-10．

[3] 张仰森. 人工智能原理与应用[M] . 北京: 高等教育出版社, 2004.

[4]钟义信.人工智能的突破与科学方法的创新[J].模式识别与人

工智能,2012(3):456-461.

[5] 钟义信. 高等智能·机制主义·信息转换[J]. 北京邮电大学学报, 2010, 33(1): 1-6.

[6] 钟义信. 机器知行学原理[M]. 北京: 科学出版社, 2007.

11

[7] 钟义信. 信息科学原理(第三版)[M]. 北京: 北京邮电大学出版社, 2002.

12