人的記憶力會隨著歲月的流逝而衰退，寫作可以彌補記憶的不足，將曾經的人生經歷和感悟記錄下來，也便于保存一份美好的回憶。那么我們該如何寫一篇較為完美的范文呢？下面是小編幫大家整理的優(yōu)質范文，僅供參考，大家一起來看看吧。
凝聚態(tài)研究的領域篇一
;摘要：為了縮短工藝設計的時間，優(yōu)化工藝設計過程，實現工藝設計的自動化，減輕設計員的工作強度，我國的很多企業(yè)都采用了capp構件復用技術，capp構件復用技術的應用，方便了企業(yè)對pdm，erp等系統(tǒng)的應用，實現了企業(yè)對自身數據的統(tǒng)一化，實現了企業(yè)的工藝產品的標準化設計，實現了產品的現代化設計生產和管理。該文通過對有關資料的剖析和總結，明確了一些與計算機輔助工藝規(guī)劃（capp）有關的概念，給出了capp構件復用技術研究方向和發(fā)展趨勢。
關鍵詞：capp；構件復用；技術研發(fā)；應用
在產品從概念到實際應用的整個過程中，工藝設計是其重要組成部分，它是產品的設計，數據的處理，加工技術和過程確定的步驟。工藝設計的數據需要依據產品的數據和制造資源等因素來制定，它對產品質量有直接的影響，此外，對于企業(yè)生產管理和工作調度等過程都會有影響。capp是計算機輔助工藝設計的英文縮寫和簡稱，它的功能是用來制定一些機械零件的加工的工藝過程，在實際運用過程中，capp構件復用技術，不單單只是對產品和軟件的數據進行轉換，而是產品信息的采集、交匯、處理等多項功能。
在產品的研發(fā)制造過程中，工藝設計是其中的關鍵步驟，它直接決定著產品的生產的質量、成本以及工作效率。近幾年來，各大企業(yè)和相關部門提高了對工藝規(guī)劃的重視程度。工藝設計不僅是產品產出過程的重要環(huán)節(jié)，而且對生產過程的有序進行起著決定性作用。現階段，capp在產品的分析、建模和規(guī)劃等多個方面，已經有了很多的應用，許多計算機規(guī)劃系統(tǒng)和軟件也已經成功的研發(fā)出來，并在實際操作中，顯示出明顯的差異，發(fā)展?jié)摿艽蟮耐瑫r，較明顯的提高了經濟效益。
1 基于構件的capp系統(tǒng)體系結構研究
capp利用計算機軟件和硬件的功能，來實現一些數據的計算、邏輯的推理、加工過程的判斷等功能。當前capp技術不只是連接cad與cam的重要銜接，也是當前企業(yè)信息技術系統(tǒng)中的重要構成，這是因為capp系統(tǒng)對于諸多的制造產品材料生產過程中有著較強的依靠性，因此我們對于應用capp構件復用技術進行相關的系統(tǒng)軟件開發(fā)過程中，主要是針對當前部分在指定的資源材料基礎上，對于固定的軟件產品進行系統(tǒng)性開發(fā)。當對于相應開發(fā)模式的系統(tǒng)化制定，因此使得capp系統(tǒng)性的通用性能差、開發(fā)效率低等諸多問題的核心所在。在近幾年，我們國內大量使用系統(tǒng)的開發(fā)應用，基本上是從托張式變?yōu)榱朔植际?，使得系統(tǒng)軟件產品的壽命要不斷縮短，而新的產品更新速度也不斷頻率加快，這對未來capp系統(tǒng)化的集成、智能等方面不斷提出了新的要求。
在基于構件復用的應用系統(tǒng)研發(fā)過程中，引入計算機硬件總線的設計思路，將應用系統(tǒng)的研發(fā)劃分為系統(tǒng)框架開發(fā)和構件的獲取兩個部分，最后再進行組裝，完成系統(tǒng)開發(fā)。下圖為基于構件的capp應用系統(tǒng)的層次體系結構。
以 pdm 或 plm 為平臺的設計系統(tǒng)，建立以erp為平臺的生產管理系統(tǒng)，將制造參數傳到此系統(tǒng)，工藝規(guī)劃中需要的人力、機械、原料的活動都作為生產數據進行導入；然后，設計管理系統(tǒng)還必須把工藝設計中的數據信息傳到數據庫系統(tǒng)，用來幫助自動建立車間的生產流水賬，以及建立產品制造質量管理計劃；以 erp為平臺的生產管理系統(tǒng)和以capp的數據為紐帶，二者的完美結合，建立了完整的企業(yè)生產管理部門與車間底層管理部門的有效溝通。
上圖中，最高層都是應用程序，由一系列的應用程序組合而成。應用程序的領域連接著用戶與構件，為使用者提供操作構件的用戶操作界面。用戶與構件以及構件之間，在領域軟總線上通過請求和服務來完成自身和系統(tǒng)的功能。中間還有一層是構件層，并把構件層分成三部分，其它系統(tǒng)構件，構件庫管理構件，構件庫管理系統(tǒng)。最后的一層就是數據庫，應用程序領域不能和數據庫直接取得聯系，而是必須要通過相應的構件操作數據庫。
2 capp應用現狀及發(fā)展趨勢
2.1 capp應用現狀
眾所周知，在國外，capp系統(tǒng)領域一直對自身的自動化與智能化趨勢有新的追求，能夠使得capp與cam結合的更加緊密，進而能夠成為cam的一部分。另外，我們說國內對于capp構件復用技術的研究工作，逐漸從曾經對零件的開發(fā)研究，發(fā)展到對企業(yè)系統(tǒng)性工程的應用范圍來使用地更加寬泛，也有著更加明顯的功用。整個企業(yè)的生產進行組織，進而達到工藝規(guī)劃的優(yōu)越性目標。在目前，我國華中科技大學cad中心實驗室引進了這個系統(tǒng)，它能夠代表著capp系統(tǒng)技術的最新的領先水平與能力。
然而在國內，capp構件復用技術的系統(tǒng)性研究是從我國上個世紀八十年代開始的，到現在有著二十余年的研究歷史與經驗。并且相關工作者也逐漸意識到現代capp工程開發(fā)方向的重要性，并且已經著手capp這方面的研發(fā)工作。到目前來看，國內商品化的大多是capp的工具系統(tǒng)，這一類系統(tǒng)應用性較強，自動化程度較差，只是作為一種“輔助工具”而已，因此這些軟件工具過于強調了工藝設計師在現代capp系統(tǒng)中所具有的主導性作用，因而降低了自身自動化的程度趨勢，從表面上來看這似乎是一次退化，但是卻逐漸一步步進步。這種現代系統(tǒng)十分方便于日常推廣，并且不受相關產品雷系與制造方面的自然環(huán)境禁錮，只需要通過人為定制就能夠投入使用進來。
2.2 發(fā)展趨勢
隨著產品開發(fā)新技術的出現，工藝信息備受企業(yè)關注，以往的capp系統(tǒng)局限性較大，只應用于制定工藝規(guī)劃，在新的發(fā)展前提下，它已經不能滿足企業(yè)信息化的新要求。
工藝的制定是一個非常復雜的過程，各企業(yè)的產品更是花樣繁多，要開發(fā)本企業(yè)專用的 capp 系統(tǒng)，滿足自身的需要，不但工作量巨大，而且財力、物力消耗也很大，不符合現代市場經濟發(fā)展的規(guī)律。這就需要科研人員研發(fā)出一種新型工具型的 capp 系統(tǒng)，這個工具系統(tǒng)的每個功能被分解為一個個獨立的系統(tǒng)單元，各企業(yè)可以根據自己的不同的需要，對這些獨立的單元，進行簡單的二次開發(fā)組合，來研究出屬于本企業(yè)的 獨特的capp 系統(tǒng)。
由于現階段，capp系統(tǒng)還僅僅局限于單一智能技術的研究方面，其中有的系統(tǒng)研發(fā)人員過分追求自動化，把capp作為一種取代工具，并不是幫助工藝設計者進行設計工作的工具。針對目前這種情況，有的學者提人機結合的智能綜合系統(tǒng)的概念，這是一種智能技術與capp系統(tǒng)有效結合的設想，目前仍處于概念階段，還有待設計者們進一步的探討和研究。
3 結束語
從世界先進制造技術的發(fā)展歷程中，可以看的出，未來的制造是集成化和智能化的時代，“全球化”、“網絡化”的制造方式必然出現，然而，capp系統(tǒng)是實現產品工藝過程的前提，是實現產品設計與產品制造融合的重要手段。我們可以從現代國內制造技術發(fā)展水平與基本國情來看，當前capp的現代發(fā)展能夠滿足于新時期技術的發(fā)展方向需求，針對系統(tǒng)化角度來說，我們對于現代產品工藝設計與軟件capp系統(tǒng)化集成與智能化趨勢技術進行更加深入的研究，把capp技術的研發(fā)工作提高到新的歷史階段。
參考文獻：
相關熱詞搜索：;凝聚態(tài)研究的領域篇二
;人工智能的研究領域
參照人在各種活動中的功能，我們可以得到人工智能的領域也不過就是代替人的活動而已。哪個領域有人進行的智力活動，哪個領域就是人工智能研究的領域。人工智能就是為了應用機器的長處來幫助人類進行智力活動。人工智能研究的目的就是要模擬人類神經系統(tǒng)的功能。
人工智能的研究更多的是結合具體領域進行的，主要研究領域有專家系統(tǒng)，機器學習，模式識別，自然語言理解，自動定理證明，自動程序設計，機器人學，博弈，智能決定支持系統(tǒng)和人工神經網絡。
人工智能是一種外向型的學科，它不但要求研究它的人懂得人工智能的知識，而且要求有比較扎實的數學基礎，哲學和生物學基礎，只有這樣才可能讓一臺什么也不知道的機器模擬人的思維。
因為人工智能的研究領域十分廣闊，它總的來說是面向應用的，也就說什么地方有人在工作，它就可以用在什么地方，因為人工智能的最根本目的還是要模擬人類的思維。因此我們可以從許多的應用領域中挑選幾個有代表性的方面來看看人工智能的發(fā)展需要進行哪些方面的工作。
下面我們就具體的應用方面專家系統(tǒng)來看看人工智能的主要研究領域是什么。
專家系統(tǒng)是目前人工智能中最活躍，最有成效的一個研究領域，它是一種基于知識的系統(tǒng)，它從人類專家那里獲得知識，并用來解決只有專家才能解決的困難問題。這樣定義專家系統(tǒng)：專家系統(tǒng)是一種具有特定領域內大量知識與經驗的程序系統(tǒng)，它應用人工智能技術、模擬人類專家求解問題的思維過程求解領域內的各種問題，其水平可以達到甚至超過人類專家的水平。專家系統(tǒng)是在關于人工智能的研究處于低潮時提出來的，由它的出現及其所顯示出來的巨大潛能不僅使人工智能擺脫了困境，而且走上了發(fā)展時期。
專家系統(tǒng)的分類有解釋型，診斷型，預測型，設計型，規(guī)劃型，控制型，監(jiān)測型，維修型，教育型和調試型，而從體系上來說，它可分為集中式專家系統(tǒng)，分布式專家系統(tǒng)，神經網絡專家系統(tǒng)，符號系統(tǒng)與神經網絡結合的專家系統(tǒng)。名字可是不少，但是專家系統(tǒng)的基本結構圖如下圖所示：
人機接口部分就不做多的解釋了，它只是一個用戶界面而已。它的實現可以有不同的形式，也有可能是很復雜的。人們希望能夠和人類專家那樣和機器交流，不再使用簡單的命令，而是用人類的語言完成交互工作，這就要求人機接口能夠有自然語言理解的功能。但是專家系統(tǒng)能不能使用，好不好使用關鍵在中間的那一層，人可以思考，如果希望機器也能夠象人那樣思考，那么推理機制是必不可少的，而且它在很大程序上決定了這個專家系統(tǒng)的效率和可用性。
就推理而言，它一般可以分為精確推理和非精確推理兩種。精確推理有以下特點：
精確推理是運用確定性的知識進行的推理，精確推理基于的知識都是明確無誤的東西，是1就是1，是2就是2，不存在什么模糊的東西，在一點上，精確推理有它的長處，也就是說，它可以準確地推理，在推理的過程中不必關心會不會出現什么結論精確度的問題，每一步到下一步都是完全正確的，不存在什么可能對可能錯，它的正確性是100%傳遞給下一個推理過程的。
精確推理和人類的思維模型相差很大，人類的思維是有精確的一面，但是絕大部人類的思維還是模糊的和不確定的，人類思維的結果往往是可能如何如何，大概如何如何，但是精確推理的結果中絕對不會有什么可能大概之類的話。
精確推理是一種單調性推理，即隨著新知識的加入，推出的結論或證明了的命題只會單調增加，這一點和人類的思維結構也有著明顯的不同。新的知識有可能使人類的思維結果增加，但絕對不會是單調增加。
精確推理需要知道全部的信息才可能進行推理，這與人有明顯的不同，人可以根據一些情況進行一些假設和推斷，產生一個結果，而精確推理卻不可能。
正因為精確推理的基礎是經典邏輯，而經典邏輯可以說是一種符號化了的形式推理，它關心的是符號與符號之間的形式聯系，而不是符號與符號之后深層次的語義聯系。也正是因為這一點，限制了精確推理在人工智能中的應用。如果讓這種邏輯解一些題，進行一些確定性的工作，它還是可以的，但是如果讓它進行更復雜的工作就力不從心了。我們可以想象一下機器翻譯中的例子，人類語言中的有些句子根本沒有什么語法，非要從語義上理解不可。這個時候精確推理就不好用了。
下面我們看看，人類思維的另一方面，非精確方面。我們知道所謂推理就是從已知的事實出發(fā)，通過運用相關知識逐步推出結論或者證明某個假設不成立的思維過程。專家系統(tǒng)中的知識來自于領域內的人類專家，而這種知識常常帶有不確定性，在這種情況下，如果仍然使用經典邏輯做精確推理，就必然要把客觀事物原來具有的不確定性及事物之間客觀存在的不確定性關系化歸為確定性，在本來不存在明確類屬關系的事物之間人為地劃上界限，這無疑會舍棄事物的某些重要屬性，從而失去真實性。不確定性推理是建立在非經典邏輯上的一種推理，它是對不確定性知識的運用與處理，嚴格地說，所謂不確定性推理就是從不確定性的初始證據出發(fā)，通過運用不確定性的知識，最終推出具有一定程度不確定的，但是卻是合理（或近乎于合理）的結論的思維過程。
要處理不確定的時候就涉及到確定性推理中不存在的幾個基本問題：如何表示這種不確定性，根據表示了的不確定性如何進行推理得到一個（或多個結論），在推理的過程中如何處理不確定性帶來的結論的不確定性，如果評價所得到的結果。
因為計算機是處理數字的一種裝置，因此對于不確定性的表示說到底還是將它表示成一種有范圍的數值，這種數值要有利于推理中對結論不確定性的計算。
解決問題總是需要推理的，而推理出的結論能不能用，是不是結果，那就需要一種衡量的方法，衡量的方法和具體的推理方法不同而不同，現有的推理方法基本上走的是兩條路，一條是基于概論論的，一條是基于模糊數學的，前者發(fā)展的歷史很長了，有很多現成的結果可以使用，但是由于概率是基于一種大樣本統(tǒng)計的產物，而這種大樣本統(tǒng)計往往不可能得到，而且還沒有充分體現模糊性，所以也更談不上對模糊性進行有效地處理了；而后者克服了前者的缺點，它根據模糊集理論發(fā)展出來，為不確定性的判斷和獲得開辟了新的道路。
現在我們回到我們上面的專家系統(tǒng)基本結構圖上來，我們知道人類的推理活動是基于一定知識進行的，我們解幾何題的時候總是要知道一些基本的公理（或定理），醫(yī)生看病的時候起碼要有一點最起碼的醫(yī)學常識，這樣才有進行推理的物質條件，推理是建立在具有知識的基礎上進行的。
知識就是一些事實或事實的抽象，我們稱之為概念的東西組成的。知識是對客觀事物某一方面屬性的了解。知識有著它的特性：
相對正確性。任何知識都有一定的應用范圍，不能脫離了范圍來說一個知識可用不可用；
不確定性。由于現實世界的復雜性，許多事實和概念都不可以說是絕對正確，就象哲學中不存在絕對真理一樣，知識本身也有不確定性；
可表示性。同樣，知識也要是可以表達的，用口述也要，用什么東西記錄也要，要能夠感知的，如果不能表示出來，那誰能夠理解，連表示都表示不出來，那也根本談不上應用了。不能用的東西，我們知道也罷不知道也罷，對于面向應用的人工智能來說沒有什么意義。
事實和概念之間，概念和概念之間，事實和事實之間都存在聯系，這種聯系有兩種，靜態(tài)聯系和動態(tài)聯系。
靜態(tài)聯系。比如，我們一旦提起“早上”這個概念就會想起“太陽東升”或“公雞叫”之類的事實，這種聯系有時候是雙向的，也就是等價的，而有時是單向的，我們可以把“太陽東升”與“早上”等價起來，而我們如果把“公雞叫”和“早上”等價起來，十有八九可能要錯了。
動態(tài)聯系。除了靜態(tài)的聯系以外，我們還必須看到，事實和概念之間也會存在一種動態(tài)的聯系，這一點在機器翻譯中很好的體現了。比如在上文中看到了一個概念a，它建立了概念b的聯系，那么，我們在下文中就必須承認a和b之間是有聯系的，即使在生活中這種聯系是根本不存在的，只要在上文中已經承認了這種聯系，我們就必須承認這種聯系的存在。再具體一點，我們在翻譯一篇科幻小說的時候，前文已經說過這個地方“早上”太陽是從“北方升起”，那么，“太陽北方升起”就和“早上”這個概念建立了聯系，在這篇文章的翻譯中就要注意了，凡是有關早上太陽的都要是從“北方升起”的。但是千萬要注意，這種聯系不可做為靜態(tài)聯系而帶到下一個文章中，如果把這個聯系記住帶到下一個文章中去，那可就出大麻煩了。
前面已經說過知識是客觀事物某一方面屬性的描述，而正因為客觀事物是相互聯系的，因此知識也必須是相互聯系的。這就是知識聯系的存在的本質原因。
知識作為機器智能的一部分，就必須能夠讓機器知道什么是知識，那就涉及到了知識表示的問題，這個問題就象人記錄某一事實有不同的方法一樣，例如對于聾子來說，你讓他把“早上”和“公雞叫”聯系在一起，那是根本不可能的。而對于機器這個東西，它簡直就是一個又聾又瞎，又沒有感覺（更談不上感情）的石頭，它只理解數字和一些人為規(guī)定的數據結構，那么如何讓它能夠理解知識，特別是知識中的聯系就是一個重要的問題了，一個專家系統(tǒng)的推理系統(tǒng)做得再好，沒有知識做為后盾肯定什么也干不成。
同時，知識的表示又影響到推理機制的運行，推理機制和知識表示兩者是相關的，一種知識表示可以有利于一種推理機制的運行，而另一種則不利于這種推理機制的運行，因此選擇知識表示也一定要根據所要處理的具體領域選擇相應的知識表示方法，具體的知識表示有以下幾種：
一階謂詞邏輯表示法。它是把一些知識表示為經典邏輯中的謂詞表示式，因為表示成了謂詞的形式，進行推理起來當然比較方便了，但是有許多知識是根本無法表示為謂詞的，其關鍵原因是因為謂詞只有表示出精確的知識，而對不確定的事物無法有效表示；同時這種表示方式也不能很好地體現知識的內在聯系，尋找知識內在聯系的任務要交給推理系統(tǒng)或另外的系統(tǒng)完成，這就比較麻煩了。
產生式表示法。它的基本形式類似于我們的if語句的形式，因為與計算機中一些現成的語句相似，因此對它的處理要方便得多。它注意到了聯系和知識的應用范圍，但是它在表示結構性知識上可是先天不足。
框架表示法。它的基本作法是把許多事物放在一起，構成一個集合，然后就這個集合中的聯系和事實進行表示，這種表示方法可比前兩種科學得多了。在機器翻譯中，如果一個老太太說到vc，我們可不要把它和微軟聯系起來，而要和維生素c等價。這種表示法限制了概念出現的場合，這可能是它的不足之處，但是相對于前面兩種表示法，它是很接收于人類思維的一種表示法，它無形中體現了知識適用的范圍。更重要的是它是可以繼承的，在這一點上，它更加接近人的思維了。
語義網絡法。我們自己可以想象一下自己所擁有的知識體系，有是有結構的，但在另一角度上看，它是一個網絡，普遍聯系的網絡，而語義網絡表示法正是在表示人類知識體系成網絡化的一面，而且它能夠使聯想式推理在其上得到很好的發(fā)揮，為進行復雜推理打下了堅實的基礎。它很接近人類思維，但是它不能正確表示類屬關系，它體現了網絡性，但它忽視了事物有類屬性?？蚣鼙硎痉ê驼Z義網絡表示法在這一點是有互補性的。
腳本表示法。這種表示法在自然語言理解方面開始應用，這是因為自然語言理解的特殊性要求有這樣一種表示法。它正確地表示了上下文關系，表示了事物之間的靜態(tài)關系，動態(tài)關系，充分考慮到了場景（上下文），但是世界上的場景可實在是太多了，保存這些場景幾乎是不可能的。這就限制了它的應用范圍。
就知識表示來的幾種方法來看，知識的表示有貼近于人類表示的，有與人類表示相差比較遠的表示方法，總體上我們可以看到一種特點：與人類思維接近的表示法，讓計算機表示起來都會有一定的麻煩，而與機器接近的表示法卻不能完全表示人類知識結構。機器和人之間有著一種差別，這種差別可能開始促使人們開始研究新結構的計算機，讓機器和人類思維之間的差別減少到最小。但是因為目前人類的思維結構，人腦的結構還不能搞得很清楚，因此能夠靠這樣一臺機器把人和機器的思維差距縮小到什么程度就不得而知了。而且就目前看來，替換如此許多的計算機也是不現實的，因此有必要采用另外的方法讓機器和思維和人類的思維更加接近。
有人說人工智能就是一個數據庫加上搜索，從某種程度上，這句話也確實可以說明人工智能的現狀。無論是在知識庫這一方也好，還是在推理機那一方也好，都要涉及到搜索這一過程。
大體上來說，搜索分為兩種，一種是非啟發(fā)式的搜索，另一種是啟發(fā)式搜索。非啟發(fā)式的搜索在搜索過程中不改變搜索策略，不利用搜索獲得的中間信息，它盲目性大，效率差，用于小型問題還可以，用于大型問題根本不可能；而啟發(fā)式搜索在搜索過程中加入了與問題有關的啟發(fā)性信息，用以指導搜索向著一個比較小的范圍內進行，加速獲得結果的過程。我們都知道計算機中有一個np完全性問題，也正是因為這個使非啟發(fā)式搜索在許多場合下不可用，但是啟發(fā)式搜索雖然利用了搜索的中間結果，減少了搜索量，看起來優(yōu)于非啟發(fā)式搜索，它所得到的解是不是最優(yōu)解這往往令人頭痛?？偟恼f來，非啟發(fā)式搜索隨著搜索的進行，需要搜索的空間很快加大；啟發(fā)式搜索隨著搜索的進行，需要搜索的空間有所增加，但增加的幅度遠遠小于非啟發(fā)式搜索。問題空間中的有些地方因為中間信息的獲得而根本不用搜索了。隨著計算機硬件性能的不斷提高和實際系統(tǒng)的需求，原來看起來不能使用非啟發(fā)式搜索的地方現在也可以了，所以在實際應用中非啟發(fā)式搜索仍然使用很廣。
有了搜索的方法，那我們現在可以看看要搜索的東西是什么樣子的了。數據結構決定算法的實現。對于我們所知道的問題，我們可以采用狀態(tài)空間或與或樹的表示方法來表示一個待搜索的問題空間。
由于工程實踐的需要，搜索的結果有時候可以不是最優(yōu)解（有時候最優(yōu)解也沒有判定標準），而是次優(yōu)解，我們可以想一下機器翻譯中對一句話的翻譯可能有許多種，哪里談得上有什么最優(yōu)的。因此，隨了我們熟悉的一些類似的深度優(yōu)先，廣度優(yōu)先算法以外，現在研究的很多還有一種進化式的搜索算法，例如遺傳算法，模擬煺火算法等等，它們有的搜索方法獨立于問題，而且能夠在比較短的時間內找到最優(yōu)解（或次優(yōu)解），特別適應于對問題空間比較在的情況下使用。
拿遺傳算法來說，我想更重要的一點是我們不必關心它如何做，而只用關心它做什么，這一點是相對于傳統(tǒng)搜索算法的最大不同。而人工智能所追求的也就是讓機器具有類似人類的智能，如果你能夠告訴一臺計算機要干什么，它就能夠自己干了，而不用你告訴它如何干，那人工智能就已經實現了。
我們現在再回到上面專家系統(tǒng)基本結構圖上來。我們有了推理機，有了知識庫，按說就可以實現用戶的功能了，但是我們還應該注意到，另一個重要的部件，知識獲取部分，一個人類專家只所以能夠成為人類專家，就是它可以在實踐過程中不斷地豐富自己的知識，讓自己做出的結論在結合實踐后反饋回自己，讓自己修改錯誤，人是一個負反饋的系統(tǒng)，而我們上面提到的沒有知識獲取的專家系統(tǒng)根本沒有什么反饋，這個機器專家，現在是這個水平，將來還會是這個水平，它所知道的，不會因為自己的實踐而有絲毫的變化。因此它不能適用工程實際的需要。知識獲得部分的工作就是要建立這樣一種反饋機制，把所得到的結果反饋給知識庫，修改已知的知識，讓它得到的結果更準確，更具有可用性。如果讓它能夠實例進行學習，那更好不過了，編程人員就可以不用把一條條的規(guī)則用程序寫給這個專家系統(tǒng)了，而只用把一個個用計算機作好標記的實例交給計算機，它自己會生成知識庫，這樣它就更象一個人了。因此，如果一個專家系統(tǒng)有自學習的功能，那在系統(tǒng)的維護方面和系統(tǒng)的可用性方面一定會大有提高。
機器學習在這樣的需求下產生了。機器學習的方法有以下幾種：
機械式學習。它的另一個名稱死記式學習能夠直接體現它的特點，這是一種最簡單的，最原始的學習方法，也是機器的強項，人的弱項。
指導式學習。這種學習方式是由外部環(huán)境向系統(tǒng)提供一般性的指示或建議，系統(tǒng)把它們具體地轉化為細節(jié)知識并送入知識庫中，在學習過程中要對反復對知識進行評價，使其不斷完善。
歸納學習。我們看到，機器所善長的不是歸納，而是演繹，它適用于從特殊到一般，而不太適應從一般到特殊，從特殊到一般的歸納是人類所特有的，是智慧的標志。具體的歸納學習方法有許多，但它們的本質就是讓計算機學會從一般中得出規(guī)律。
類比學習。類比也就是通過對相似事物進行比較所進行的一種學習。它的基礎是類比推理，也就是把新事物和記憶中的老事物進行比較，如果發(fā)現它們之間有些屬性是相同的，那么可以（假定地）推斷出它們的另外一些屬性也是相同的。
基于解釋的學習。這是近年來興起的一種新的學習方法。它不是通過歸納或類比進行學習，而是通過運用相關的領域知識及一個訓練實例來對某一目標概念進行學習，并最終生成這個目標概念的一般描述，這個一般描述是一個可形式化表示的一般性知識。
通過以上的學習方法就是為了得到知識，通過一種方便的方法得到知識。前面已經說過了，因為機器的思考方式和人類的思考方式大有不同之處，因此讓機器通過自己學習生成自己便于理解和使用的知識，也不失為機器學習的目標之一。
就人工智能的研究領域來說，前面說所說的系統(tǒng)可以表示成下面這樣一個圖示：
這個系統(tǒng)類型于控制中的負反饋系統(tǒng)，把結果重新作用于知識庫上，于是知識庫得到不斷地修正，以適應系統(tǒng)的需要。但是我們注意到上圖中，如果把結果作用于推理機會得到什么結果。
我們前面討論的專家系統(tǒng)也好，推理機也好，機器學習也好，與人的差距就在于我們還需要告訴它們怎么做，而不是僅僅告訴它們做什么，它們就會去做了。人工智能的兩種研究方法，一種是希望找到人類智力的數學解釋，只要找到了數學解釋，那么人工智能就可以得到實現了；另一種是用一種軟件或硬件的結構來模擬人腦的結構，通過類似仿生學的方法來模擬人類思維。而神經網絡正是基于后一種思路提出的。從某種意義上來說，對于神經網絡而言，結果它改變的是不是知識庫，而是推理機的結構，它也是研究人工智能的一種重要的方法。
神經網絡也就是模擬人腦中神經元的功能，希望通過模擬人腦最基本的單位神經元功能來模擬人腦的功能。它通過一定的范例訓練構成的神經網絡，就象教一個小孩子一樣，在訓練結束后，這個神經網絡就可以完成特定的功能了。它是通過范例的學習，修改了知識庫和推理機的結構，達到實現人工智能的目的。
最后還有一個應用領域，就是模型識別，我想它應該在知識挖掘中應用不小，因為現在工程中的獲得的數據越來越多，要想人為地從這些數據中確定某一規(guī)律都不容易，更不要說在這些數據中發(fā)現新規(guī)律了，因此有必要進行數據挖掘，它的應用對于決策支持系統(tǒng)將有著巨大的意義。
人可以思考，人工智能也需要思考，這就是推理；人可以學習，人工智能也就需要學習；人可以擁有知識，那么人工智能也就需要擁有知識。
人工智能是為了模擬人類大腦的活動的，人類已經可以用許多新技術新材料代替人體的許多功能，只要模擬了人的大腦，人就可以完成人工生命的研究工作，人創(chuàng)造自己，這不但在科學上，而且在哲學上都具有劃時代的意義。
最后，我們來總結一下，人工智能的各個研究領域。參照人在各種活動中的功能，我們可以得到人工智能的領域也不過就是代替人的活動而已。哪個領域有人進行的智力活動，哪個領域就是人工智能研究的領域。人工智能就是為了應用機器的長處來幫助人類進行智力活動。人工智能研究的目的就是要模擬人類神經系統(tǒng)的功能。
相關熱詞搜索：;
凝聚態(tài)研究的領域篇三
;人工智能的研究領域
參照人在各種活動中的功能，我們可以得到人工智能的領域也不過就是代替人的活動而已。哪個領域有人進行的智力活動，哪個領域就是人工智能研究的領域。人工智能就是為了應用機器的長處來幫助人類進行智力活動。人工智能研究的目的就是要模擬人類神經系統(tǒng)的功能。
人工智能的研究更多的是結合具體領域進行的，主要研究領域有專家系統(tǒng)，機器學習，模式識別，自然語言理解，自動定理證明，自動程序設計，機器人學，博弈，智能決定支持系統(tǒng)和人工神經網絡。
人工智能是一種外向型的學科，它不但要求研究它的人懂得人工智能的知識，而且要求有比較扎實的數學基礎，哲學和生物學基礎，只有這樣才可能讓一臺什么也不知道的機器模擬人的思維。
因為人工智能的研究領域十分廣闊，它總的來說是面向應用的，也就說什么地方有人在工作，它就可以用在什么地方，因為人工智能的最根本目的還是要模擬人類的思維。因此我們可以從許多的應用領域中挑選幾個有代表性的方面來看看人工智能的發(fā)展需要進行哪些方面的工作。
下面我們就具體的應用方面專家系統(tǒng)來看看人工智能的主要研究領域是什么。
專家系統(tǒng)是目前人工智能中最活躍，最有成效的一個研究領域，它是一種基于知識的系統(tǒng)，它從人類專家那里獲得知識，并用來解決只有專家才能解決的困難問題。這樣定義專家系統(tǒng)：專家系統(tǒng)是一種具有特定領域內大量知識與經驗的程序系統(tǒng)，它應用人工智能技術、模擬人類專家求解問題的思維過程求解領域內的各種問題，其水平可以達到甚至超過人類專家的水平。專家系統(tǒng)是在關于人工智能的研究處于低潮時提出來的，由它的出現及其所顯示出來的巨大潛能不僅使人工智能擺脫了困境，而且走上了發(fā)展時期。
專家系統(tǒng)的分類有解釋型，診斷型，預測型，設計型，規(guī)劃型，控制型，監(jiān)測型，維修型，教育型和調試型，而從體系上來說，它可分為集中式專家系統(tǒng)，分布式專家系統(tǒng)，神經網絡專家系統(tǒng)，符號系統(tǒng)與神經網絡結合的專家系統(tǒng)。名字可是不少，但是專家系統(tǒng)的基本結構圖如下圖所示：
人機接口部分就不做多的解釋了，它只是一個用戶界面而已。它的實現可以有不同的形式，也有可能是很復雜的。人們希望能夠和人類專家那樣和機器交流，不再使用簡單的命令，而是用人類的語言完成交互工作，這就要求人機接口能夠有自然語言理解的功能。但是專家系統(tǒng)能不能使用，好不好使用關鍵在中間的那一層，人可以思考，如果希望機器也能夠象人那樣思考，那么推理機制是必不可少的，而且它在很大程序上決定了這個專家系統(tǒng)的效率和可用性。
就推理而言，它一般可以分為精確推理和非精確推理兩種。精確推理有以下特點：
精確推理是運用確定性的知識進行的推理，精確推理基于的知識都是明確無誤的東西，是1就是1，是2就是2，不存在什么模糊的東西，在一點上，精確推理有它的長處，也就是說，它可以準確地推理，在推理的過程中不必關心會不會出現什么結論精確度的問題，每一步到下一步都是完全正確的，不存在什么可能對可能錯，它的正確性是100%傳遞給下一個推理過程的。
精確推理和人類的思維模型相差很大，人類的思維是有精確的一面，但是絕大部人類的思維還是模糊的和不確定的，人類思維的結果往往是可能如何如何，大概如何如何，但是精確推理的結果中絕對不會有什么可能大概之類的話。
精確推理是一種單調性推理，即隨著新知識的加入，推出的結論或證明了的命題只會單調增加，這一點和人類的思維結構也有著明顯的不同。新的知識有可能使人類的思維結果增加，但絕對不會是單調增加。
精確推理需要知道全部的信息才可能進行推理，這與人有明顯的不同，人可以根據一些情況進行一些假設和推斷，產生一個結果，而精確推理卻不可能。
正因為精確推理的基礎是經典邏輯，而經典邏輯可以說是一種符號化了的形式推理，它關心的是符號與符號之間的形式聯系，而不是符號與符號之后深層次的語義聯系。也正是因為這一點，限制了精確推理在人工智能中的應用。如果讓這種邏輯解一些題，進行一些確定性的工作，它還是可以的，但是如果讓它進行更復雜的工作就力不從心了。我們可以想象一下機器翻譯中的例子，人類語言中的有些句子根本沒有什么語法，非要從語義上理解不可。這個時候精確推理就不好用了。
下面我們看看，人類思維的另一方面，非精確方面。我們知道所謂推理就是從已知的事實出發(fā)，通過運用相關知識逐步推出結論或者證明某個假設不成立的思維過程。專家系統(tǒng)中的知識來自于領域內的人類專家，而這種知識常常帶有不確定性，在這種情況下，如果仍然使用經典邏輯做精確推理，就必然要把客觀事物原來具有的不確定性及事物之間客觀存在的不確定性關系化歸為確定性，在本來不存在明確類屬關系的事物之間人為地劃上界限，這無疑會舍棄事物的某些重要屬性，從而失去真實性。不確定性推理是建立在非經典邏輯上的一種推理，它是對不確定性知識的運用與處理，嚴格地說，所謂不確定性推理就是從不確定性的初始證據出發(fā)，通過運用不確定性的知識，最終推出具有一定程度不確定的，但是卻是合理（或近乎于合理）的結論的思維過程。
要處理不確定的時候就涉及到確定性推理中不存在的幾個基本問題：如何表示這種不確定性，根據表示了的不確定性如何進行推理得到一個（或多個結論），在推理的過程中如何處理不確定性帶來的結論的不確定性，如果評價所得到的結果。
因為計算機是處理數字的一種裝置，因此對于不確定性的表示說到底還是將它表示成一種有范圍的數值，這種數值要有利于推理中對結論不確定性的計算。
解決問題總是需要推理的，而推理出的結論能不能用，是不是結果，那就需要一種衡量的方法，衡量的方法和具體的推理方法不同而不同，現有的推理方法基本上走的是兩條路，一條是基于概論論的，一條是基于模糊數學的，前者發(fā)展的歷史很長了，有很多現成的結果可以使用，但是由于概率是基于一種大樣本統(tǒng)計的產物，而這種大樣本統(tǒng)計往往不可能得到，而且還沒有充分體現模糊性，所以也更談不上對模糊性進行有效地處理了；而后者克服了前者的缺點，它根據模糊集理論發(fā)展出來，為不確定性的判斷和獲得開辟了新的道路。
現在我們回到我們上面的專家系統(tǒng)基本結構圖上來，我們知道人類的推理活動是基于一定知識進行的，我們解幾何題的時候總是要知道一些基本的公理（或定理），醫(yī)生看病的時候起碼要有一點最起碼的醫(yī)學常識，這樣才有進行推理的物質條件，推理是建立在具有知識的基礎上進行的。
知識就是一些事實或事實的抽象，我們稱之為概念的東西組成的。知識是對客觀事物某一方面屬性的了解。知識有著它的特性：
相對正確性。任何知識都有一定的應用范圍，不能脫離了范圍來說一個知識可用不可用；
不確定性。由于現實世界的復雜性，許多事實和概念都不可以說是絕對正確，就象哲學中不存在絕對真理一樣，知識本身也有不確定性；
可表示性。同樣，知識也要是可以表達的，用口述也要，用什么東西記錄也要，要能夠感知的，如果不能表示出來，那誰能夠理解，連表示都表示不出來，那也根本談不上應用了。不能用的東西，我們知道也罷不知道也罷，對于面向應用的人工智能來說沒有什么意義。
事實和概念之間，概念和概念之間，事實和事實之間都存在聯系，這種聯系有兩種，靜態(tài)聯系和動態(tài)聯系。
靜態(tài)聯系。比如，我們一旦提起“早上”這個概念就會想起“太陽東升”或“公雞叫”之類的事實，這種聯系有時候是雙向的，也就是等價的，而有時是單向的，我們可以把“太陽東升”與“早上”等價起來，而我們如果把“公雞叫”和“早上”等價起來，十有八九可能要錯了。
動態(tài)聯系。除了靜態(tài)的聯系以外，我們還必須看到，事實和概念之間也會存在一種動態(tài)的聯系，這一點在機器翻譯中很好的體現了。比如在上文中看到了一個概念a，它建立了概念b的聯系，那么，我們在下文中就必須承認a和b之間是有聯系的，即使在生活中這種聯系是根本不存在的，只要在上文中已經承認了這種聯系，我們就必須承認這種聯系的存在。再具體一點，我們在翻譯一篇科幻小說的時候，前文已經說過這個地方“早上”太陽是從“北方升起”，那么，“太陽北方升起”就和“早上”這個概念建立了聯系，在這篇文章的翻譯中就要注意了，凡是有關早上太陽的都要是從“北方升起”的。但是千萬要注意，這種聯系不可做為靜態(tài)聯系而帶到下一個文章中，如果把這個聯系記住帶到下一個文章中去，那可就出大麻煩了。
前面已經說過知識是客觀事物某一方面屬性的描述，而正因為客觀事物是相互聯系的，因此知識也必須是相互聯系的。這就是知識聯系的存在的本質原因。
知識作為機器智能的一部分，就必須能夠讓機器知道什么是知識，那就涉及到了知識表示的問題，這個問題就象人記錄某一事實有不同的方法一樣，例如對于聾子來說，你讓他把“早上”和“公雞叫”聯系在一起，那是根本不可能的。而對于機器這個東西，它簡直就是一個又聾又瞎，又沒有感覺（更談不上感情）的石頭，它只理解數字和一些人為規(guī)定的數據結構，那么如何讓它能夠理解知識，特別是知識中的聯系就是一個重要的問題了，一個專家系統(tǒng)的推理系統(tǒng)做得再好，沒有知識做為后盾肯定什么也干不成。
同時，知識的表示又影響到推理機制的運行，推理機制和知識表示兩者是相關的，一種知識表示可以有利于一種推理機制的運行，而另一種則不利于這種推理機制的運行，因此選擇知識表示也一定要根據所要處理的具體領域選擇相應的知識表示方法，具體的知識表示有以下幾種：
一階謂詞邏輯表示法。它是把一些知識表示為經典邏輯中的謂詞表示式，因為表示成了謂詞的形式，進行推理起來當然比較方便了，但是有許多知識是根本無法表示為謂詞的，其關鍵原因是因為謂詞只有表示出精確的知識，而對不確定的事物無法有效表示；同時這種表示方式也不能很好地體現知識的內在聯系，尋找知識內在聯系的任務要交給推理系統(tǒng)或另外的系統(tǒng)完成，這就比較麻煩了。
產生式表示法。它的基本形式類似于我們的if語句的形式，因為與計算機中一些現成的語句相似，因此對它的處理要方便得多。它注意到了聯系和知識的應用范圍，但是它在表示結構性知識上可是先天不足。
框架表示法。它的基本作法是把許多事物放在一起，構成一個集合，然后就這個集合中的聯系和事實進行表示，這種表示方法可比前兩種科學得多了。在機器翻譯中，如果一個老太太說到vc，我們可不要把它和微軟聯系起來，而要和維生素c等價。這種表示法限制了概念出現的場合，這可能是它的不足之處，但是相對于前面兩種表示法，它是很接收于人類思維的一種表示法，它無形中體現了知識適用的范圍。更重要的是它是可以繼承的，在這一點上，它更加接近人的思維了。
語義網絡法。我們自己可以想象一下自己所擁有的知識體系，有是有結構的，但在另一角度上看，它是一個網絡，普遍聯系的網絡，而語義網絡表示法正是在表示人類知識體系成網絡化的一面，而且它能夠使聯想式推理在其上得到很好的發(fā)揮，為進行復雜推理打下了堅實的基礎。它很接近人類思維，但是它不能正確表示類屬關系，它體現了網絡性，但它忽視了事物有類屬性?？蚣鼙硎痉ê驼Z義網絡表示法在這一點是有互補性的。
腳本表示法。這種表示法在自然語言理解方面開始應用，這是因為自然語言理解的特殊性要求有這樣一種表示法。它正確地表示了上下文關系，表示了事物之間的靜態(tài)關系，動態(tài)關系，充分考慮到了場景（上下文），但是世界上的場景可實在是太多了，保存這些場景幾乎是不可能的。這就限制了它的應用范圍。
就知識表示來的幾種方法來看，知識的表示有貼近于人類表示的，有與人類表示相差比較遠的表示方法，總體上我們可以看到一種特點：與人類思維接近的表示法，讓計算機表示起來都會有一定的麻煩，而與機器接近的表示法卻不能完全表示人類知識結構。機器和人之間有著一種差別，這種差別可能開始促使人們開始研究新結構的計算機，讓機器和人類思維之間的差別減少到最小。但是因為目前人類的思維結構，人腦的結構還不能搞得很清楚，因此能夠靠這樣一臺機器把人和機器的思維差距縮小到什么程度就不得而知了。而且就目前看來，替換如此許多的計算機也是不現實的，因此有必要采用另外的方法讓機器和思維和人類的思維更加接近。
有人說人工智能就是一個數據庫加上搜索，從某種程度上，這句話也確實可以說明人工智能的現狀。無論是在知識庫這一方也好，還是在推理機那一方也好，都要涉及到搜索這一過程。
大體上來說，搜索分為兩種，一種是非啟發(fā)式的搜索，另一種是啟發(fā)式搜索。非啟發(fā)式的搜索在搜索過程中不改變搜索策略，不利用搜索獲得的中間信息，它盲目性大，效率差，用于小型問題還可以，用于大型問題根本不可能；而啟發(fā)式搜索在搜索過程中加入了與問題有關的啟發(fā)性信息，用以指導搜索向著一個比較小的范圍內進行，加速獲得結果的過程。我們都知道計算機中有一個np完全性問題，也正是因為這個使非啟發(fā)式搜索在許多場合下不可用，但是啟發(fā)式搜索雖然利用了搜索的中間結果，減少了搜索量，看起來優(yōu)于非啟發(fā)式搜索，它所得到的解是不是最優(yōu)解這往往令人頭痛?？偟恼f來，非啟發(fā)式搜索隨著搜索的進行，需要搜索的空間很快加大；啟發(fā)式搜索隨著搜索的進行，需要搜索的空間有所增加，但增加的幅度遠遠小于非啟發(fā)式搜索。問題空間中的有些地方因為中間信息的獲得而根本不用搜索了。隨著計算機硬件性能的不斷提高和實際系統(tǒng)的需求，原來看起來不能使用非啟發(fā)式搜索的地方現在也可以了，所以在實際應用中非啟發(fā)式搜索仍然使用很廣。
有了搜索的方法，那我們現在可以看看要搜索的東西是什么樣子的了。數據結構決定算法的實現。對于我們所知道的問題，我們可以采用狀態(tài)空間或與或樹的表示方法來表示一個待搜索的問題空間。
由于工程實踐的需要，搜索的結果有時候可以不是最優(yōu)解（有時候最優(yōu)解也沒有判定標準），而是次優(yōu)解，我們可以想一下機器翻譯中對一句話的翻譯可能有許多種，哪里談得上有什么最優(yōu)的。因此，隨了我們熟悉的一些類似的深度優(yōu)先，廣度優(yōu)先算法以外，現在研究的很多還有一種進化式的搜索算法，例如遺傳算法，模擬煺火算法等等，它們有的搜索方法獨立于問題，而且能夠在比較短的時間內找到最優(yōu)解（或次優(yōu)解），特別適應于對問題空間比較在的情況下使用。
拿遺傳算法來說，我想更重要的一點是我們不必關心它如何做，而只用關心它做什么，這一點是相對于傳統(tǒng)搜索算法的最大不同。而人工智能所追求的也就是讓機器具有類似人類的智能，如果你能夠告訴一臺計算機要干什么，它就能夠自己干了，而不用你告訴它如何干，那人工智能就已經實現了。
我們現在再回到上面專家系統(tǒng)基本結構圖上來。我們有了推理機，有了知識庫，按說就可以實現用戶的功能了，但是我們還應該注意到，另一個重要的部件，知識獲取部分，一個人類專家只所以能夠成為人類專家，就是它可以在實踐過程中不斷地豐富自己的知識，讓自己做出的結論在結合實踐后反饋回自己，讓自己修改錯誤，人是一個負反饋的系統(tǒng)，而我們上面提到的沒有知識獲取的專家系統(tǒng)根本沒有什么反饋，這個機器專家，現在是這個水平，將來還會是這個水平，它所知道的，不會因為自己的實踐而有絲毫的變化。因此它不能適用工程實際的需要。知識獲得部分的工作就是要建立這樣一種反饋機制，把所得到的結果反饋給知識庫，修改已知的知識，讓它得到的結果更準確，更具有可用性。如果讓它能夠實例進行學習，那更好不過了，編程人員就可以不用把一條條的規(guī)則用程序寫給這個專家系統(tǒng)了，而只用把一個個用計算機作好標記的實例交給計算機，它自己會生成知識庫，這樣它就更象一個人了。因此，如果一個專家系統(tǒng)有自學習的功能，那在系統(tǒng)的維護方面和系統(tǒng)的可用性方面一定會大有提高。
機器學習在這樣的需求下產生了。機器學習的方法有以下幾種：
機械式學習。它的另一個名稱死記式學習能夠直接體現它的特點，這是一種最簡單的，最原始的學習方法，也是機器的強項，人的弱項。
指導式學習。這種學習方式是由外部環(huán)境向系統(tǒng)提供一般性的指示或建議，系統(tǒng)把它們具體地轉化為細節(jié)知識并送入知識庫中，在學習過程中要對反復對知識進行評價，使其不斷完善。
歸納學習。我們看到，機器所善長的不是歸納，而是演繹，它適用于從特殊到一般，而不太適應從一般到特殊，從特殊到一般的歸納是人類所特有的，是智慧的標志。具體的歸納學習方法有許多，但它們的本質就是讓計算機學會從一般中得出規(guī)律。
類比學習。類比也就是通過對相似事物進行比較所進行的一種學習。它的基礎是類比推理，也就是把新事物和記憶中的老事物進行比較，如果發(fā)現它們之間有些屬性是相同的，那么可以（假定地）推斷出它們的另外一些屬性也是相同的。
基于解釋的學習。這是近年來興起的一種新的學習方法。它不是通過歸納或類比進行學習，而是通過運用相關的領域知識及一個訓練實例來對某一目標概念進行學習，并最終生成這個目標概念的一般描述，這個一般描述是一個可形式化表示的一般性知識。
通過以上的學習方法就是為了得到知識，通過一種方便的方法得到知識。前面已經說過了，因為機器的思考方式和人類的思考方式大有不同之處，因此讓機器通過自己學習生成自己便于理解和使用的知識，也不失為機器學習的目標之一。
就人工智能的研究領域來說，前面說所說的系統(tǒng)可以表示成下面這樣一個圖示：
這個系統(tǒng)類型于控制中的負反饋系統(tǒng)，把結果重新作用于知識庫上，于是知識庫得到不斷地修正，以適應系統(tǒng)的需要。但是我們注意到上圖中，如果把結果作用于推理機會得到什么結果。
我們前面討論的專家系統(tǒng)也好，推理機也好，機器學習也好，與人的差距就在于我們還需要告訴它們怎么做，而不是僅僅告訴它們做什么，它們就會去做了。人工智能的兩種研究方法，一種是希望找到人類智力的數學解釋，只要找到了數學解釋，那么人工智能就可以得到實現了；另一種是用一種軟件或硬件的結構來模擬人腦的結構，通過類似仿生學的方法來模擬人類思維。而神經網絡正是基于后一種思路提出的。從某種意義上來說，對于神經網絡而言，結果它改變的是不是知識庫，而是推理機的結構，它也是研究人工智能的一種重要的方法。
神經網絡也就是模擬人腦中神經元的功能，希望通過模擬人腦最基本的單位神經元功能來模擬人腦的功能。它通過一定的范例訓練構成的神經網絡，就象教一個小孩子一樣，在訓練結束后，這個神經網絡就可以完成特定的功能了。它是通過范例的學習，修改了知識庫和推理機的結構，達到實現人工智能的目的。
最后還有一個應用領域，就是模型識別，我想它應該在知識挖掘中應用不小，因為現在工程中的獲得的數據越來越多，要想人為地從這些數據中確定某一規(guī)律都不容易，更不要說在這些數據中發(fā)現新規(guī)律了，因此有必要進行數據挖掘，它的應用對于決策支持系統(tǒng)將有著巨大的意義。
人可以思考，人工智能也需要思考，這就是推理；人可以學習，人工智能也就需要學習；人可以擁有知識，那么人工智能也就需要擁有知識。
人工智能是為了模擬人類大腦的活動的，人類已經可以用許多新技術新材料代替人體的許多功能，只要模擬了人的大腦，人就可以完成人工生命的研究工作，人創(chuàng)造自己，這不但在科學上，而且在哲學上都具有劃時代的意義。
最后，我們來總結一下，人工智能的各個研究領域。參照人在各種活動中的功能，我們可以得到人工智能的領域也不過就是代替人的活動而已。哪個領域有人進行的智力活動，哪個領域就是人工智能研究的領域。人工智能就是為了應用機器的長處來幫助人類進行智力活動。人工智能研究的目的就是要模擬人類神經系統(tǒng)的功能。
相關熱詞搜索：;
凝聚態(tài)研究的領域篇四
;摘要 歷史長河發(fā)展至今日，每一個古老的國度都有自己特有的神話，“神話”就像人類童年的“百科全書”，融合了當時的經濟、政治、哲學、道德，當然，還有藝術的起源。神話，即是讓后人了解不同文明最直觀的途徑。中西方在藝術領域的異同，歸根到底是古希臘與華夏文明之間的差別，而這兩種久遠的神話至今依然被后人傳頌。本文將從神的差異性、圖騰的不同形成以及古代文明對中西方藝術的形成幾個方面論述古希臘與華夏文明創(chuàng)造的偉大神話，進而闡述兩者在藝術領域的差異性。
一 引言
當一個部落發(fā)展為一個民族，開始對問題進行思考的時候，對于自己和世界的來源問題無疑是所有遠古民族的困惑，而對于來源的解讀便是文明的開始。古希臘文明與華夏文明對于人類的來源都做出了不同的解答，這些形形色色的答案在現代看來只是荒誕不經的神話傳說，可是，對于遠古的偉大民族來說，便是萬物的起源，是人之本了。我們的藝術史便開篇于這個充滿想象充滿神話的懵懂時代。
二 古希臘與華夏文明中“神”角色之異同性
1 古希臘與華夏文明中的神話之同
茅盾先生曾下過一個定義：“神話是一種流行于上古時代的民間故事，所敘述的是超乎人類能力以上的神的行事，雖然荒唐無稽，可是古代人民互相傳頌，卻信以為真”。筆者認為，在遠古至上古時期，人們將生活的方方面面都劃分為不同的神話作為各個領域的精神依托，其故事越是神秘，其神話意味越濃，藝術性也就越強。首先，是創(chuàng)世紀神話：華夏文明中的創(chuàng)世紀神話，相傳盤古開天辟地，創(chuàng)建了江河湖海，像這樣的卵生神話，在古希臘神話故事中也有雷同，如西方也認為同樣是混沌一片的世界，呈卵狀，在不斷地裂變分離之后變成天與地。這種破繭而出的神話正是原始民族形成人類堅定信念的保證；其次，災難神話也是古希臘和華夏文明所共有的神話傳說，多為水火的災難，如古希臘神話中宙斯為了懲罰人類降洪水之災于大地，華夏文明也有共工怒撞不周山，天河水滔天傾降的故事，古希臘有幫助人類盜取火種的神邸普羅米修斯，我們有鉆木取火造福人類的燧人氏。然后，遠古民族關于萬物的生命化傳說也被后人所傳頌，如古希臘傳說中四季常青的月桂樹便是美麗的女神達芙妮躲避太陽神阿波羅的追求而變成的，而中國的精衛(wèi)鳥也有一則悲壯的精衛(wèi)填海的傳說被后人樂道等。這些各個領域的神話故事不僅顯示了遠古人類的豐富想象力，更是構建中西方不同人格化、意志化的過程。中西方藝術與文化的差異從此刻已經開始形成。
2 古希臘與華夏文明中的神話之異
首先，從神話中神仙的延續(xù)性來看，古希臘神話中的神更像是一個群婚的家族，主神宙斯是神界與人間的主宰，他生性暴力，有七情六欲，身邊有掌管天空的天后赫拉、有掌管地獄的兄長哈德斯與掌管海洋的兄長塞萊斯，有兒女狄安娜、戰(zhàn)神、維納斯等，可以看出，他的宗親占據著天地各個要職，掌控人神界所有權利，他們名為神，其實卻是人們思想構造出來的人的模板，只是比人更完美，正如我們現在看到的希臘人像雕塑大衛(wèi)、維納斯、戰(zhàn)神那樣，他們都是被人格化了的神，正如恩格斯所說的：“由于自然力被人格化，最初的神產生了?！睆倪@一點看，我們中華文明的神與古希臘的神之間的差異就一目了然了。
如我們的神話中的煉石補天的女媧與南方的天神伏羲，女媧，古神女而帝者，人面蛇身，一日中七十變。（《山海經·大荒西經·郭璞注》）；燧人之氏……生伏羲……人首蛇身也是人首蛇身。（《帝王世紀》）
可以看出，華夏文明中的神邸是集人與動物為一身的，在漢代的帛畫上，伏羲與女媧都拖著一個長長的尾巴；華夏始祖炎帝則是牛頭人身，另一位始祖黃帝擁有著別于人類的四張臉，漢畫像石中的神女嫦娥更像是一只壁虎。華夏文明中的神仙多沿襲著人首蛇身的面目，而且，我們的神的降生是通過感化或者召喚而來，七情六欲更無從說起。從這兒可以看出，古希臘的神具有人性，我們的神則容人性于一身。
其次，從神話的體系來看，古希臘神話中的神仙體系一氣呵成，有主有次，各司其職，即奧林匹斯十二神為主體系，俄狄浦斯、阿家門農等家族神話都在這個體系中。而中國神話體系分支瑣碎，神的掌管范圍不限，沒有一個統(tǒng)一的神仙系統(tǒng)，這也就形成了中國華夏文明中神仙的同神異事性與同事異神性，歸根到底便是中國的泛神論與西方一神論的差異。
筆者認為形成這種差異性可以歸為幾個原因，首先，是地理環(huán)境的原因，古希臘文明發(fā)生在海洋氣候為主的地區(qū)，連綿的海岸線形成了那里生活的民族特有的開放性與積極性，他們熱情、奔放，享受生活，追求完美，奔放的大海給予了他們勇氣和斗志，這種性格在希臘神話中的人物身上都有體現，如他們的愛恨情仇、他們的以自己為中心，他們的追求自然和生命等，相比較，中國的華夏文明更顯得內斂和深沉，我們的生存環(huán)境造就了我們以農耕與畜牧為主的生活方式，生存環(huán)境的不可控制性使我們的神仙更具深沉的意味性，神農嘗盡百草歷盡萬苦，大禹治水13年三過家門而不歸等。其次，是受傳統(tǒng)文化的影響，古希臘的人民始終受愛琴海文明的影響，后來羅馬攻破希臘，對其文化卻是全盤接受，繼續(xù)著享樂的追求和神的贈與，古希臘人民在體育競技、音樂、藝術領域的追求都是所有文明所不及的，這也為后來的人文主義思想奠定了堅實的文化基礎，而華夏文明的傳統(tǒng)在歷朝歷代的發(fā)展中開始出現分歧，帝王君主更信奉帝王神話，將堯舜禹逐漸改造為歷史人物，儒家思想的控制又使遠古神話充滿了道德理性，從現存的漢代帛畫或畫像石以及后世的壁畫都能看出，被人供奉的神邸都端莊嚴肅，正襟危坐，成為儒家倫理規(guī)范下的正宗。
三 對圖騰的不同追求形成不同藝術觀
1 龍圖騰孕育華夏文明
我國的遠古先民們在與自然與環(huán)境抗衡、協調的過程中，也在用他們最純粹的頭腦和最直觀的視角觀察著這個世界。在他們眼中，世間萬物，不管是動物植物還是日月山川都是有靈性的，它們和人并無差別，甚至高于人而存在，所以在這種原始思維模式下必然產生拜物情結，為了在冬日得到充足的陽光，便產生了拜日儀式，為了渴望雨水的滋潤，便產生了求雨儀式，為了狩獵的成功，人們在出發(fā)前模仿狩獵的情節(jié)跳狩獵的舞蹈，在我們看來只是娛樂的形式，在當時卻表達了人們對豐收、收獲的渴求和對天地自然的虔誠。正是這種虔誠，在很大程度上使人將自身放置到了一個很卑微的位置，人的信仰和膜拜也證明了人類渴望了解自然的野心，希望通過與圖騰的交流得到神秘的力量。
有研究人員認為中華民族的圖騰即是“博采各部圖騰之特長，確定：以蛇為主體，以魚鱗為龍鱗，以魚尾為龍尾，以獅頭為龍頭，以鹿角為龍角，以鷹爪為龍爪，構成了部落聯盟的圖騰——龍”；當然關于龍圖騰的說法有很多種，但歸根一點，龍是集各個氏族部落的圖騰之精彩為一體的祥獸，將蛇身、鹿角、鷹爪、蜈蚣尾、虎頭、蝦目、馬齒、公羊須等組合在一個圖騰中，即萬眾一心的君權神授。華夏民族對龍圖騰的崇拜也一直從古至今的流傳，直到現在中國人依然以龍的傳人自居。
也是由于圖騰的崇拜，華夏民族的政治領域也時時充滿著神秘的氣息，龍乃正宗，天子為王，眾人為臣民，這已經是不爭的事實，禮數規(guī)定著正宗理應得到更優(yōu)質的生活，而剩下的人們應順應天命，效忠正宗，縱觀我國歷朝歷代的繪畫作品，都能明顯的感受到等級的嚴格，如流傳已久的《歷代帝王圖》，對歷代帝王的描繪惟妙惟肖，人物也普遍占據畫面重要的位置，而周遭的奴仆臣子，在畫面中僅僅占據很小的空間，這就是中國森嚴等級制度的真實寫照，再如《虢國夫人游春圖》中，對貴妃一行的刻畫嚴格按照等級制度來繪制，從人物到服飾再到馬匹都有明顯的等級性。
2 對圖騰崇拜走向對人的崇拜
古希臘的圖騰崇拜不同于我們華夏文明，西方神話世界中的神仙宙斯、阿波羅、維納斯等，他們不像中國傳統(tǒng)西王母、嫦娥、伏羲一樣是人獸同身，而是擁有完美體型的人，古希臘神話中的王也不像華夏文明中的王一樣集權利、威嚴于一身，沒有人間情愫，而是有其獨立的個體性，沒有專制，人才是神界的主題，正如流傳至今的奧林匹克運動會一樣，盛會是所有人的盛會，古希臘的圖騰崇拜的是人性，因此有學者認為古希臘是西方對自我認識的一個新紀元。
四 遠古文明的差異性決定了中西的藝術取向
華夏文明和古希臘文明對于神話的寓意、圖騰的崇拜都表現得各具特色，在中西方藝術領域也充滿了各自獨特的藝術魅力，而中西方在繪畫領域的差別筆者認為也離不開遠古的華夏文明與古希臘神話。
1 崇尚人性的再現性——西方藝術
古希臘的神話是理性的神話，宙斯作為最高神抵雖然掌管著一切事物，但下面的每一位神仙都是單獨的個體，有他們自己的思維方式，這一點便奠定了西方藝術領域的人性主張，不僅是人性的主張，還有人性的贊揚，他們注重人體的比例美，看重性愛的神圣，從文藝復興時期的藝術家米開朗基羅的不朽雕塑《大衛(wèi)》便可看出西方藝術的完美人性化積淀，從繪畫大師波提切利的《維納斯的誕生》中我們也可以感受到從古希臘流傳下來的神話傳說在近代傳承中的繼承與發(fā)展，維納斯的胴體裸露在畫面之中，沒有羞愧和膽怯，而是活生生的從海中升起，完美的肉體美沒有一絲骯臟的雜念，這就是西方藝術的境界，人性的光輝從古希臘開始就延續(xù)至今。
正是因為古希臘對人性的崇尚和追求，使西方的藝術家更注重真實的傳達事物，這種理性的思維必然造就了西方繪畫中的空間意識，在這個基礎上，西方人開始了對解構學、透視學、數學、邏輯學等領域的研究。
2 崇尚意境的表現性——中國藝術
上文已經提到不同于西方神話的華夏文明，往往是人獸同體的神話主人公，中國的神話故事，少了邏輯縝密的體系系統(tǒng)，多了幾分神秘的浪漫主義色彩，中國神話故事中的人性不被作為渲染的重點，而自然與人的融合、天人合一的思想才是神話的主題，在這種思想的指引下，人們不去研究自然的規(guī)律和理性，而是通過對自然界的感性追求去領悟自然，在對自然對象的凝神關注中，釋放自己的心情，這是非邏輯思想的認識，這種感悟式合一式的思維方式，在中國文化的各個方面都有所體現，如中國歷朝歷代抒情寫意的詩歌、中國的周易學、中醫(yī)、氣功等，在中國傳統(tǒng)繪畫中更是充分地體現了出來。無論是道釋人物畫或是文人畫，還是一氣呵成的山水畫，都講究虛實相生，意到筆不到，講究筆墨情趣的表現都遵循著天人合一的思想。
在這個思想的指引下，我們可以發(fā)現中西方在藝術領域尤其是繪畫藝術領域有很多異同點，如中國的卷軸畫與西方的布面油畫，中國的散點式與西方的焦點式，還有中國畫中女性的知書達理含蓄內斂與西方繪畫中女性的身體語言豪邁奔放，這些異同點舉不勝舉，但又都和中西方遠古的文明相呼應著，由此可見，中西方藝術領域的種種異同也來源于不同的神話和不同的文明。
五 結語
古希臘文明與我們的華夏文明作為東西方文明的兩大體系存在著質的不同，兩種神話的起源成就了各自不同的歷史軌跡，古希臘是“人文”的文明，我們的文明是引領了獨具東方特色的文化體系，兩段精彩的神話，兩個古老的文明，為后人開啟了探索藝術的大門。
參考文獻：
[1] 徐復觀：《中國藝術精神》，華東師范大學出版社，2001年版。
[2] [英] 里德，王柯平譯：《藝術的真諦》，遼寧人民出版社，1987年版。
[3] 周平遠：《維納斯藝術史》，上海三聯書店，2006年版。
[4] 李澤厚：《美的歷程》，生活·讀書·新知三聯書店，2003年版。
[5] 孔新苗、張萍：《中西美術比較》，山東畫報出版社，2002年版。
[6] 朱光潛：《西方美學史》，人民文學出版社出版，1979年版。
[7] 馬淑琴：《古希臘羅馬神話鑒賞辭典》，吉林人民出版社出版，2006年版。
[8] 陳炎：《文化與文明》，山東大學出版社出版，2006年版。
[9] 茅盾、張建貴：《神話研究》，百花文藝出版社，1981年版。
[10] 于乃昌、夏敏：《初民的宗教與審美迷狂》，青海人民出版社，1994年版。
相關熱詞搜索：;【本文地址：http://m.aiweibaby.com/zuowen/2574072.html】
