淺談計算機人工智能應用及發展

溫洲宏

（1.太原理工大學 山西 太原 030024；2.山西奧美數字傳媒有限公司，山西 太原 030006）

1 人工智能的概念

人工智能在現代計算機科學中的占比十分大。1956年，計算機專家約翰·麥卡錫提出“人工智能”一詞。如今，它已被公認為世界三大最先進的技術之一。尼爾森教授任職于斯坦福大學的人工智能研究中心，他將人工智能定義為“知識的主體，如何表達，如何獲得和使用”。美國另一位著名大學教授溫斯頓（Winston）提出，“人工智能是關于研究如何使計算機完成以前只有人類才能做到的事情。”此外，關于人工智能的定義很多，至今尚未統一，但是這些表述反映了人工智能主體的基本思想和內容。因此，人工智能可以擴展為研究人類活動的規律，并建立具有某些智能行為的人工智能系統。

2 計算機人工智能的研究現狀

2.1 問題求解

問題解決是指在管理活動中，解決預期效果和預期效果產生時兩者之間發生的差異。在國際象棋中，人工智能可以解決出現的各種問題，是人工智能發展的重大突破。推理在象棋程序中被廣泛應用，例如搜索幾個步驟并將問題分解為簡單的子問題，已逐漸發展成為人工智能的基本技術，例如研究和歸約。搜索策略可以分為沒有信息指導的盲目搜索策略和由經驗知識指導的啟發式搜索策略，它在解決問題的推理步驟中優先使用知識。另一個解決問題的程序是用組裝各種數學公式的符號，許多科學家和工程師都在使用它。通過經驗，甚至可以增強某些程序。例如，1993年在美國發布的名為MACSYMA 的軟件，可以對煩瑣的數學公式進行符號運算。

正如上文所描述的，尚未解決的問題包括人類棋手表達自己的能力，例如國際象棋大師參與國際象棋的能力；另一個未解決的問題與問題的原始概念有關，即在人工智能中選擇問題的表示形式。人們通常會對問題進行思考，得出解決方法，以便輕松解決問題。

2.2 專家系統

專家系統ES（Expert Sv）是人們對人工智能研究的一個關鍵轉折點，這是植物觀光智能理論研究和實際應用的關鍵轉折，該系統將對一般思想的辯論轉化為運用專業知識解決專業問題。專家系統同時也是具有特定知識的智能程序系統，并且由特定領域的多方面的專家提供知識和經驗。利用專家的知識和經驗以及人工智能中的推理技術，可以解決和模擬通常由專家解決的復雜問題。專家系統是智能軟件，查找解決方案的方法是一種啟發式方法。通常，專家系統要解決的問題不是算法解決方案。專家系統和常規計算機程序之間的區別通常是，即使接收到的有關信息不完整、不準確、具有不確定性，專家系統依然能夠得出結論。

最近幾年，人工智能技術已有效地應用于搜索專家系統和知識工程。用戶和專家系統之間的“協商對話”是人工智能技術的典型示例，類似于用戶直接與專家進行交流，可以解決一些問題并推薦實驗，或者向專家系統尋求答案。當前的實驗系統，例如化學和地質數據分析、計算機系統的構建。技術建設和醫學診斷已達到很高的咨詢使命水平。另外，專家系統的推理能力已經是許多研究的主題，這使得用戶易于接受查詢并幫助用戶發現系統的推理錯誤。

開發專家系統的關鍵是如何準確對專業知識進行表示和應用，這是解決人類專家在特定領域中遇到典型問題時的必要過程和結論。各類專家系統雖然配置基本相同，但由于其所屬的領域和類型不一樣，因此具有不同的體系結構和功能，但配置基本相同。

一個基本的專家系統的配置一般分為6 種，即知識庫、數據庫、推理引擎、解釋機制、知識獲取和用戶界面。

2.3 機器學習

機器學習是研究如何使用計算機來模擬或嘗試進行學習的思維方式，這是在專家系統被開發之后人工智能應用的另一個重要分支。不僅是制造智能計算機的基本技術，也是人工智能研究的重點方向。如何對其進行應用已經涉及人工智能的所有領域。

學習是人類的重要活動標志，人類通過學習獲取新的知識。機器學習也是創建智能計算機的基本方法。正如Shank先生所說：“計算機如果不能自主學習新能力，那它只會是一臺普通的計算機?！睓C器學習可以幫助發現人類的學習機制，并探索人類大腦的秘密。

通過不同的教育方式來獲取不同的知識內容，此方式稱為“學習”。簡單地說，學習就是不斷推翻和制定不同的知識內容，同時，學習也能通過提高工作效率來體現。學習過程，可以簡單地理解為，學習系統將老師（或專家）提供的信息轉換為系統可以理解的格式的過程。根據教師對系統提供信息的不同，學習方法可以劃分為機器學習、順序學習、模擬學習、歸納學習、觀察和發現學習。

近年來，計算機人工智能已經開發了基于解釋、先例、概念、神經網絡和遺傳學習的學習方法。

2.4 神經網絡

人工神經網絡（ANN）是由許多相互連接的處理單元（即神經元）組成的網絡，也稱為人工神經網絡、神經網絡。 神經網絡是由大量節點（或神經元）和互連組成的操作模型，是自然神經網絡基本特征的抽象和模擬。它的作用是模擬大腦執行某種功能的某種機制。具體來說，人工廠毛巾經紗網絡是根據生物神經網絡的機理、控制工程的思路和方法，來確定數學模型參數的一種技術。

3 計算機人工智能的研究與應用

3.1 人工智能在電力負荷預測中的作用

人工智能具有隨機性和非線性，因此在預測中經常會出現錯誤。模糊控制是一種基于模糊規則和模糊推理的智能控制方法，能夠很好地消除非線性系統所產生的誤差。將其作用于電力負荷的預測中，可以很好地校正RBF 神經網絡的預測結果，提高預測的確定性。

3.1.1 確定語言變量和相關函數

在本文中，負載由2 輸入二維模糊控制器和輸出預測構成，預測誤差為e（預測誤差從預測值中減去實際值），而誤差變化為選擇預測e。校正系數Q用輸出變量作為輸入變量。

在本文的模糊控制器中，每個輸入變量均由模糊語言變 量和表示，并且五個語言值分別為NB（大負數）、 NS（小負數）、ZE（零）、PS（小正數）和PB（正數）。對應的模糊區域用E 表示，其閾值量化為9 級，即E={-4，-3，-2，-1，0，1，2，3，4} ，Ec={-4，-3，-2，-1，0，1，2，3，4}。

根據量化因子，可以將實際數量轉換為閾值。校正系數，用模糊語言變量a表示，該變量在模糊集中是模糊的，與NB、NS、ZO、PS 和PB 對應的模糊單點集為0、0.25、0.5、0.75、1.0。

模糊語言變量的每種語言值可以看作是模糊世界的模糊子集，并最終由從屬函數來作為表達的形式。三角相關函數的特點是公式簡單，噪聲容忍度強，平衡點附近的控制能力強，因此模糊語言變量的相關函數為三角函數。模糊語言變量的相關函數，如圖1和圖2所示。

圖1 輸入語言變量隸屬函數

圖2 輸出語言變量隸屬函數

3.1.2 確定模糊控制規則

模糊控制規則本質上是由操作員的控制經驗匯編而成的模糊條件語句。確定模糊控制規則的原理：優化控制器輸出，以優化系統輸出響應的動態。

以誤差為負的情況為例。當e為NB 時，預測值小于實際值。模糊規則如表1所示。

表1 模糊規則

如表1所示，發生更改時應大大減少產量。根據上述規則，獲得模糊控制規則。模糊控制規則如表2所示。

表2 模糊控制規則表

3.1.3 創建一個搜索表

從前面的分析可以看出，模糊推理的結果僅僅是模糊量，而通過去模糊化只能得到模糊量。搜索方法是最簡單的模糊控制器之一?？梢圆樵兣c當前時間模糊控制器的輸入變量量化值（變量誤差和誤差變化）相對應的控制輸出值，作為模糊邏輯控制器，實時高速控制和模糊控制的最終輸出可以做的控制規則表是必不可少的。它通過一組模糊邏輯推理方法量化所有輸入語言變量的各種組合，為每種狀態計算模糊邏輯控制器的輸出，并生成模糊搜索表。

使用MATLAB 編程，最小推理方法和Mamdani 重心方法用于量化所有輸入語言變量的各種組合，計算每種狀態的模糊邏輯控制器的輸出，然后可以生成。關于模糊控制規則的查詢，如表3所示。

表3 模糊控制查詢表

3.1.4 基于模糊算法的神經網絡負荷預測

本文的模糊控制器輸入定義了當前的預測負載和實際負載誤差e和誤差變化率，并將其作為該量的校正系數輸出。在校正下一個電荷預測之后，基于以下解析表達式來計算校正量：

式（1）中：α為修正因子，且α∈［0，1］。

模棱兩可的調整后的預測值是電荷神經網絡的電荷F和調整值ΔU的代數，即：

3.2 人工智能在音樂教學中的應用

智能教學系統（ITS）是在人工智能應用于教育領域（AI-ED）的早期階段產生的。智能教學系統是人工智能技術與教育相結合的主要形式。它是未來教學研究和發展的主要方向。這也是本文的重點部分之一。在當前信息技術發展迅速的背景下，新教育系統發展模式的完善和改進，促使人們利用超媒體技術和網絡來發展新的教育系統。ITS 是典型的代表之一,它包括領域模型、學習者模型和指導者模型，體現了教學系統開發的全部內容。可以說，它具有無與倫比的優勢和巨大的吸引力。領域模型關注學習的主題。導師制是一種恰當、有效的教學方法。

學習者模型代表學生本身。這個模型顯示了計算機或機器與學習者之間的相互作用。該模型可由AI 系統的教學部分（即學習者模型）來判斷課程進度和學習者的學習進度，并確定最有效、最恰當、最有趣的教學活動及其交互。更重要的是，由于系統也在不斷地積累和改變數據，學習者在課堂上的學習行為和表現將不斷地被學習者模型吸收和反饋，使得學習者模型更加豐富、系統和準確。人工智能在音樂教育中的模型如圖3所示。

圖3 人工智能在音樂教育中的模型圖

4 人工智能發展趨勢

4.1 垂直區域的適用性

人工智能市場在零售、運輸、自動化、制造業和農業中尚且存在很大的發展空間。市場的主要驅動力是在最終用戶的每個垂直區域中應用和構建人工智能技術，尤其是如果它可以為消費者提供更多的人性化服務。

許多因素影響了人工智能市場的發展，例如IT 基礎設施的改善以及智能手機和智能軟件的普及。在這里，自然語言處理（NLP）是關鍵，自然語言處理技術的進步極大地擴展了人工智能的服務范圍，并刺激了消費市場。

4.2 開發過程中，芯片是關鍵

AI 芯片的核心由半導體和算法組成。人工智能設備需要滿足快速指令周期、低功耗以及與深度學習算法集成的要求。當前，AI 芯片包括GPU、DSP、ASIC、FPGA 和神經元芯片。GPU 速度比FPGA 快，但是FPGA 功耗低于GPU。因此，人工智能設備的選擇取決于產品供應商的需求。以Apple 的FaceID 人臉識別應用程序為例，此應用程序集成了八個組件，并要求高性能。蘋果特別關注用戶的生物識別體驗。最后，選擇了FPGA。

4.3 自主學習是目標

通過深入研究機器，從獨立學習的各個階段開始，人工智能“大腦”變得更加智能。當前，人工智能仍處于使用來自世界各地的機器進行深入研究的階段。為了實現自我學習，有必要解決以下四個重要問題：①用于機器獨立性的人工智能平臺需要創建一個用于自我學習自我機器的虛擬環境。②必須遵守物理定律。碰撞、壓力和影響必須與現實世界相同。③必須放置大腦。④建立通往虛擬環境的大門。

5 結論

20世紀最偉大的科學成就之一便是人工智能的出現和應用。人工智能領域的研究成果已經大量出現于現代居民生活、工業生產以及國防建設等各種方面。

現在是信息網絡的時代，也是知識經濟的時代，人工智能技術越來越受到人們的重視，在科學技術的進步與發展中發揮著越來越重要的作用。