人工智能的研究領域（一）

志剛

路人甲：“你是學什么的？”

AI工程師：“學計算機類”

路人甲：“哦哦，那你ps肯定很厲害！”

AI工程師：“我不會，我是做人工智能的。”

路人甲：“哦哦，做機器人的啊，好厲害！”

AI工程師：“...”

對話很和諧，但是，人工智能可不是計算機和機器人能涵蓋的，它是一個很大的體系。

專家系統

專家系統是依靠人類專家已有的知識建立起來的知識系統，目前專家系統是人工智能研究中開展較早、最活躍、成效最多的領域，廣泛應用于醫療診斷、地質勘探、石油化工、軍事、文化教育等各方面。它是在特定的領域內具有相應的知識和經驗的程序系統，它應用人工智能技術、模擬人類專家解決問題時的思維過程，來求解領域內的各種問題，達到或接近專家的水平。

機器學習

要使計算機具有知識一般有兩種方法：一種是由知識工程師將有關的知識歸納、整理，并且表示為計算機可以接受、處理的方式輸入計算機；另一種是使計算機本身有獲得知識的能力，它可以學習人類已有的知識，并且在實踐過程中不總結、完善，這種方式稱為機器學習。

機器學習的研究，主要在以下三個方面進行：一是研究人類學習的機理、人腦思維的過程；二是機器學習的方法；三是建立針對具體任務的學習系統。

機器學習的研究是在信息科學、腦科學、神經心理學、邏輯學、模糊數學等多種學科基礎上的。依賴于這些學科而共同發展。目前已經取得很大的進展，但還沒有能完全解決問題。

模式識別

模式識別是研究如何使機器具有感知能力，主要研究視覺模式和聽覺模式的識別。如識別物體、地形、圖象、字體（如簽字）等。在日常生活各方面以及軍事上都有廣大的用途。近年來迅速發展起來應用模糊數學模式、人工神經網絡模式的方法逐漸取代傳統的用統計模式和結構模式的識別方法。特別神經網絡方法在模式識別中取得較大進展。

理解自然語言

計算機如能“聽懂”人的語言（如漢語、英語等），便可以直接用口語操作計算機，這將給人們帶極大的便利。計算機理解自然語言的研究有以下三個目標：一是計算機能正確理解人類的自然語言輸入的信息，并能正確答復（或響應）輸入的信息。二是計算機對輸入的信息能產生相應的摘要，而且復述輸入的內容。三是計算機能把輸入的自然語言翻譯成要求的另一種語言，如將漢語譯成英語或將英語譯成漢語等。目前，研究計算機進行文字或語言的自動翻譯，人們作了大量的嘗試，還沒有找到最佳的方法，有待于更進一步深入探索。

智能決策支持系統

決策支持系統是屬于管理科學的范疇，它與“知識—智能”有著極其密切的關系。在80年代以來專家系統在許多方面取得成功，將人工智能中特別是智能和知識處理技術應用于決策支持系統，擴大了決策支持系統的應用范圍，提高了系統解決問題的能力，這就成為智能決策支持系統。（編輯/高緯時）