高等学校计算机科学与技术研究生教学用书：人工智能高级技术导论_高济著_9787040263015

　　以问题求解、知识表示、KB（基于知识的）系统、自动规划、机器学习等关于人工智能的基础级技术为主要内容，但仅依赖这些基础级技术，并不足以支持高性能应用的开发和运行。为此，《人工智能高级技术导论》从推动高性能智能软件的研究和应用角度，对人工智能的高级技术作全面的导论性介绍，包括20世纪80年代开发的KB系统高级技术、非单调推理和软计算、基于范例的推理、关于时间和空间的推理，90年代兴起的Agent技术和多Agent协同工作，进入21世纪后机器学习研究与应用的新进展，以及新一代网络计算的技术基础及其智能化。
　　《人工智能高级技术导论》将在回顾基于知识的问题求解技术的基础上，介绍这些人工智能高级技术，包括研究背景、基本概念和实现方法，使读者对这些技术有一个全面和深入的认识，并由此为应用和进一步研究这些技术奠定必要的基础。《人工智能高级技术导论》也可供工程技术人员参考使用。

　　传统的人工智能（AI）技术建立在基于符号表示和推理的经典理论之上，包括搜索、归约和逻辑推理等问题求解的基本方法以及知识表示的理论和方法。这些技术已广泛应用于KB（基于知识的）系统、自动规划、机器学习、自然语言处理、机器视觉、机器人等应用领域。作为AI技术的入门级或基础性的课程教材，大多数AI教科书也都以介绍这些基础级技术为主要内容。然而，仅依赖这些基础级技术，并不足以支持高性能应用的开发和运行。为此，实现高性能的高级技术得到了深入和持久的研究，首先是兴起于20世纪80年代的KB系统高级技术、非单调推理和软计算、基于范例的推理以及关于时间和空间的推理，然后是兴起于20世纪90年代的Agent技术和多Agent协同工作；进入新世纪后，机器学习的研究与应用取得了显著进展，而新一代网络计算的技术基础及其智能化则成为另一个研究热点。
　　KB系统（狭义地，专家系统）在20世纪70年代的初步成功导致了80年代初AI工业化浪潮的兴起。但推动该浪潮的AI“淘金热”随即遭受重大挫折，快速消失了。AI研究者们从中悟出的一个教训就是：基于知识的问题求解技术必须与主流计算技术紧密结合，才有出路；从而导致基于知识的软件智能化技术发展为AI应用研究的主流方向之一。
　　KB系统多年来的实践已经证明，使软件具有基于知识的问题求解能力或广义的知识处理能力，可以作为实现软件智能化的有效途径。然而，传统KB系统存在严重缺点：问题求解能力的脆弱性和不可靠性，这主要源自其只获取表示事物间现象上关联的经验知识，使得求解的问题超出经验知识允许的范围时系统的处理能力急剧下降。正是这个严重缺点和相关的其他缺点导致20世纪80年代初投资开发的许多KB系统未走出实验室。

你还可能感兴趣

我要评论