目前LISP語言仍然是人工智能系統(tǒng)重要的程序設(shè)計(jì)語言和開發(fā)工具猪瞬；
認(rèn)知建模是信息處理過程、也是知覺入篮、記憶陈瘦、思維、判斷潮售、推理痊项、問題求解、學(xué)習(xí)酥诽、想象鞍泉、概念形成和語言使用等；
知識表示問題一直是人工智能研究最活躍的部分肮帐，知識表示方法有邏輯模式咖驮、產(chǎn)生式系統(tǒng)边器、框架、語義網(wǎng)絡(luò)托修、狀態(tài)空間忘巧、面向?qū)ο蠛瓦B接主義等；
自動推理也是人工智能研究核心問題：分為演繹推理（目前大多數(shù)成功智能系統(tǒng)使用）歸納推理（是機(jī)器學(xué)習(xí)和知識發(fā)現(xiàn)的重要基礎(chǔ)）反繹推理睦刃；
搜索也是人工智能的一種求解方法砚嘴，可分為無信息導(dǎo)引的盲目搜索和利用經(jīng)驗(yàn)知識導(dǎo)引的啟發(fā)式搜索；
機(jī)器學(xué)習(xí)方法有歸納學(xué)習(xí)涩拙、類比學(xué)習(xí)际长、分析學(xué)習(xí)、強(qiáng)化學(xué)習(xí)吃环、遺傳算法也颤、連接學(xué)習(xí)、遷移學(xué)習(xí)郁轻、深度學(xué)習(xí)翅娶；
人工智能研究的主要學(xué)派：符號主義學(xué)派、連接主義學(xué)派好唯、行為主義學(xué)派
符號主義（物理符號系統(tǒng)與有限合理性原理竭沫，從符號主義觀點(diǎn)看，知識表示是人工智能的核心骑篙，認(rèn)知就是處理符號蜕提，推理就是采用啟發(fā)式知識及啟發(fā)式搜索對問題求解過程，而推理過程又可以用某種形式化的語言來描述）
連接主義（以人工神經(jīng)網(wǎng)絡(luò)模型為核心：以分布式的方式儲存信息靶端、以并行方式處理信息谎势，具有自組織、自學(xué)習(xí)能力杨名、適合于模擬人的形象思維脏榆，可以比較快的得到一個(gè)近似解，但不適合模擬人的邏輯思維）也是神經(jīng)網(wǎng)絡(luò)理論和技術(shù)研究不斷發(fā)展與加上現(xiàn)在的云計(jì)算和大數(shù)據(jù)才使圖像處理台谍、模式識別须喂、語音識別等領(lǐng)域得到重要突破；
行為主義（側(cè)重研究感知-行動的反應(yīng)機(jī)制：基于智能控制系統(tǒng)理論趁蕊、方法和技術(shù)坞生，研究擬人的智能控制行為，采用集中式的模式與不同的行為模塊與環(huán)境交互達(dá)到智能化掷伙，自主學(xué)習(xí)化）目前知識的形式化表達(dá)和模型化方法是人工智能的重要障礙之一是己；
人工智能的應(yīng)用：專家系統(tǒng)、數(shù)據(jù)挖掘任柜、自然語言處理赃泡、智能機(jī)器人寒波、模式識別乘盼、分布式人工智能升熊、互聯(lián)網(wǎng)智能、博弈绸栅；
專家系統(tǒng)=知識庫+推理機(jī)：具有專門知識和經(jīng)驗(yàn)的計(jì)算機(jī)智能程序系統(tǒng)级野，通過人類專家的問題求解能力的建模，采用人工智能中的知識表示和知識推理技術(shù)來模擬通常由專家才能解決的復(fù)雜問題粹胯，達(dá)到具有專家同等解決問題的能力水平蓖柔；
其實(shí)專家系統(tǒng)強(qiáng)調(diào)的是知識而不是方法，很多問題是算法解決方案無法解答的风纠；一個(gè)專家系統(tǒng)需要具備以下3個(gè)要素：1.具備某個(gè)應(yīng)用領(lǐng)域的專家級知識况鸣；2.能模擬專家的思維；3.能達(dá)到專家級的解題水平竹观；專家系統(tǒng)開發(fā)工具有：EMYCIN镐捧、CLIPS（OPS5、OPS83）臭增、G2懂酱、KEE、OKPS等誊抛；
數(shù)據(jù)挖掘：需要大量的原始數(shù)據(jù)列牺、明確的挖掘目標(biāo)、相應(yīng)的領(lǐng)域知識拗窃、友善的人-機(jī)界面瞎领，以及尋找合適的開發(fā)方法；
自然語言處理研究內(nèi)容包括：語言計(jì)算（語音與音位随夸、詞法九默、句法、語義和語用等各個(gè)層面上的計(jì)算）逃魄、語言資源建設(shè)（計(jì)算機(jī)詞匯學(xué)荤西、術(shù)語學(xué)、電子詞典伍俘、語料庫和知識本體等）邪锌、機(jī)器翻譯或機(jī)器輔助翻譯、漢語和少數(shù)民族語言文字輸入輸出及其智能處理癌瘾、中文手寫和印刷體識別觅丰、中文語音識別及文語轉(zhuǎn)換、信息檢索妨退、信息抽取與過濾妇萄、文本分類蜕企、中文搜索引擎和以自然語言為樞紐的多媒體檢索；
模式識別呈多樣性和多元化趨勢：語音識別冠句、文字識別轻掩、圖像識別、人物景象識別懦底、生物特征識別有指紋（掌紋）識別唇牧、人臉身份識別、簽名識別聚唐、虹膜識別丐重、行為姿態(tài)身份識別；
分布式人工智能系統(tǒng)：新的信息系統(tǒng)杆查、決策系統(tǒng)扮惦、知識系統(tǒng)
從計(jì)算機(jī)程序組織來看，一般智能系統(tǒng)可以看成是三級結(jié)構(gòu)亲桦，即數(shù)據(jù)級崖蜜、知識庫級、控制級烙肺；數(shù)據(jù)級是關(guān)于求解的特殊問題及其當(dāng)前狀態(tài)的陳述性知識纳猪；
知識庫級是具體領(lǐng)域問題求解的知識，它常常是一種過程桃笙，說明怎么樣操縱數(shù)據(jù)來達(dá)到問題求解氏堤，反映動作的過程；控制級是過程性知識的控制策略搏明，相應(yīng)于控制性知識或元知識鼠锈；
如何構(gòu)建合適的知識表示方法？1.表現(xiàn)能力星著、要求能夠正確购笆、有效地將問題求解所需要的各類知識都表示出來；2.可理解性虚循，所表示的知識易懂易讀同欠；3.便于新的知識的獲取，使得智能系統(tǒng)能夠漸進(jìn)地增加知識横缔，逐步進(jìn)化铺遂；
4.便于搜索，表示知識符號結(jié)構(gòu)和推理機(jī)制應(yīng)支持對知識庫的高效搜索茎刚，使得智能系統(tǒng)能夠迅速地感知事物之間的關(guān)系和變化襟锐，同時(shí)也很快的從知識庫中找到有關(guān)的知識；5.便于推理膛锭，要能夠從已有的知識中推出需要的答案和結(jié)論粮坞；
日常常用的知識表示方法有謂詞邏輯蚊荣、產(chǎn)生式系統(tǒng)、語義網(wǎng)絡(luò)莫杈、框架互例、狀態(tài)空間、腳本和本體姓迅；
謂詞邏輯知識表示方法具有充分的表示能力但也有不足地方：1.效率低敲霍，形式推理使推理過程冗長，效率低丁存，推理過程中會出現(xiàn)組合爆炸行為；2.靈活性差柴我，不便于表達(dá)啟發(fā)式知識和不精確的知識解寝；
產(chǎn)生式系統(tǒng)是目前人工智能應(yīng)用最廣泛的知識表示方法，產(chǎn)生系統(tǒng)有三大部分組成：規(guī)則庫艘儒、綜合數(shù)據(jù)庫聋伦、工作區(qū)、控制系統(tǒng)界睁；產(chǎn)生式系統(tǒng)的基本控制流程是識別—動作循環(huán)觉增，對規(guī)則搜索和匹配，從問題初始狀態(tài)到達(dá)目標(biāo)狀態(tài)翻斟；
產(chǎn)生式系統(tǒng)優(yōu)點(diǎn)：容易模塊化逾礁、容易建立解釋機(jī)制、類似人類認(rèn)知學(xué)習(xí)過程访惜；缺點(diǎn)：難以擴(kuò)展嘹履，盡管規(guī)則形式上相互獨(dú)立但是實(shí)際問題中往往彼此是相關(guān)聯(lián)的；規(guī)則選擇效率較低债热，在推理過程中每一步都要與規(guī)則庫中的規(guī)則進(jìn)行匹配檢查砾嫉，知識庫中規(guī)則數(shù)目龐大，顯然最后效率降低窒篱；
控制策略不靈活焕刮，產(chǎn)生式系統(tǒng)往往采用單一的控制策略，如順序考察規(guī)則庫中的每一條規(guī)則墙杯，同樣會降低系統(tǒng)的效率配并；知識表示形式比較單一，產(chǎn)生式系統(tǒng)比較適合于表示非結(jié)構(gòu)化的知識霍转，對于結(jié)構(gòu)化的知識可能用語義網(wǎng)絡(luò)或框架或面向?qū)ο蟮谋硎靖鼮楹线m荐绝；
語義網(wǎng)絡(luò)中最靈活的是ISA鏈?zhǔn)且粋€(gè)（IS—A）表示一個(gè)事物是另一個(gè)事物的一個(gè)實(shí)例；常用的語義聯(lián)系有：類屬關(guān)系避消、聚集關(guān)系低滩、相似關(guān)系盗扒、推論關(guān)系缠捌、因果關(guān)系、占有關(guān)系、組成關(guān)系乘客、時(shí)空關(guān)系；
框架網(wǎng)絡(luò)：相互關(guān)聯(lián)的框架連接起來組成的框架系統(tǒng)跌穗，不同的框架網(wǎng)絡(luò)又可以通過信息檢索網(wǎng)絡(luò)組成更大的系統(tǒng)佃声，代表一塊完整的知識；框架的層次結(jié)構(gòu)利于查詢檢索與節(jié)省大量儲存量迄委；
Cyc是一個(gè)超大型的褐筛、多關(guān)系型知識庫和推理引擎；目前的知識表示一般都是從具體應(yīng)用中提出叙身，但依然偏重于實(shí)際應(yīng)用渔扎，但缺乏系統(tǒng)的知識表示理論；這些知識表示方法都是面向領(lǐng)域知識的信轿，對于常識性知識的表示依然沒有取得很大的進(jìn)步發(fā)展晃痴，目前需要亟待解決；
啟發(fā)式搜索通常用于兩種不同類型的問題：正向推理和反向推理财忽；正向推理一般用于狀態(tài)空間的搜索倘核，在正向推理中，推理是從預(yù)選定義初始狀態(tài)發(fā)向目標(biāo)狀態(tài)方向執(zhí)行即彪；反向推理一般用于問題歸約中紧唱；在反向推理中，推理是從給定的目標(biāo)狀態(tài)向初始狀態(tài)執(zhí)行祖凫；
爬蟲算法是一種局部擇優(yōu)的方法琼蚯，是采用啟發(fā)式方法，對深度優(yōu)先搜索的一種改進(jìn)惠况；
遷移學(xué)習(xí)：目標(biāo)是將從一個(gè)環(huán)境中學(xué)到的知識用來幫助新環(huán)境中的學(xué)習(xí)任務(wù)遭庶；在傳統(tǒng)分類學(xué)習(xí)中，為了保證訓(xùn)練得到的分類模型具有準(zhǔn)確性和高可靠性稠屠，都有兩個(gè)基本的假設(shè)：1.用于學(xué)習(xí)的訓(xùn)練樣本與新的測試樣本滿足獨(dú)立同分布的條件峦睡；2.必須有足夠可利用的訓(xùn)練樣本才能學(xué)習(xí)得到一個(gè)好的分類模型；但是在實(shí)際應(yīng)用中發(fā)現(xiàn)要滿足這兩個(gè)條件往往很困難权埠；
遷移學(xué)習(xí)分為三類：歸納遷移學(xué)習(xí)（源任務(wù)和目標(biāo)任務(wù)不一致但相關(guān)）直推式遷移學(xué)習(xí)（源領(lǐng)域和目標(biāo)領(lǐng)域不一致但相關(guān)榨了，源任務(wù)及目標(biāo)任務(wù)相同，也就是說源領(lǐng)域中有大量標(biāo)注語料而目標(biāo)領(lǐng)域缺少標(biāo)注語料攘蔽；
當(dāng)源領(lǐng)域和目標(biāo)領(lǐng)域的特征空間相同但概率分布不同時(shí)龙屉，直推式學(xué)習(xí)類似于領(lǐng)域自適應(yīng)方法）無監(jiān)督遷移學(xué)習(xí)（源領(lǐng)域和目標(biāo)領(lǐng)域不一致但相關(guān)，源任務(wù)和目標(biāo)任務(wù)不一致但相關(guān)，且此時(shí)源領(lǐng)域和目標(biāo)領(lǐng)域都缺乏標(biāo)注語料）
遷移學(xué)習(xí)方法按照所用遷移知識形式可以分四類:1.基于實(shí)例的遷移學(xué)習(xí)（假設(shè)源領(lǐng)域部分?jǐn)?shù)據(jù)可以解決目標(biāo)領(lǐng)域?qū)W習(xí)問題）2.基于特征的遷移學(xué)習(xí)（期望通過遷移知識用來解決目標(biāo)領(lǐng)域的任務(wù)性能）當(dāng)有標(biāo)記的輔助數(shù)據(jù)難以得到時(shí)转捕，可以利用大量無標(biāo)記的輔助數(shù)據(jù)進(jìn)行遷移學(xué)習(xí)作岖；
自學(xué)聚類的基本思想是通過同時(shí)對源數(shù)據(jù)與輔助數(shù)據(jù)進(jìn)行聚類得到的一個(gè)共同特征表示，而這個(gè)新的特征表示由于大量的輔助數(shù)據(jù)五芝，所以會優(yōu)于僅基于源數(shù)據(jù)而產(chǎn)生的特征表示痘儡，從而對聚類產(chǎn)生幫助；
3.基于參數(shù)的遷移學(xué)習(xí)：當(dāng)源任務(wù)和目標(biāo)任務(wù)共享參數(shù)模型中的參數(shù)或者先驗(yàn)分布時(shí)枢步，將遷移知識表示成共享的參數(shù)沉删，從而完成目標(biāo)任務(wù)；4.基于關(guān)系知識的遷移學(xué)習(xí)：在源領(lǐng)域和目標(biāo)領(lǐng)域的數(shù)據(jù)相關(guān)的情況下醉途，解決相關(guān)領(lǐng)域的遷移學(xué)習(xí)問題矾瑰；
總結(jié)：歸納遷移學(xué)習(xí)一般采用基于實(shí)例的、基于特征结蟋、基于參數(shù)的和基于關(guān)系知識的遷移學(xué)習(xí)脯倚；直推式學(xué)習(xí)任務(wù)通常采用基于實(shí)例的和基于特征的遷移學(xué)習(xí)方法；無監(jiān)督遷移學(xué)習(xí)常用的方法是基于特征表示的遷移學(xué)習(xí)嵌屎；
一般實(shí)現(xiàn)統(tǒng)計(jì)學(xué)習(xí)的步驟如下：1.準(zhǔn)備有限的訓(xùn)練數(shù)據(jù)集；2.獲取包含所有可能的模型的假設(shè)空間恍涂，即學(xué)習(xí)模型的集合宝惰；3.確定模型選擇的準(zhǔn)則，即學(xué)習(xí)策略再沧；4.實(shí)現(xiàn)最優(yōu)模型的算法尼夺，即學(xué)習(xí)的算法；5.通過學(xué)習(xí)方法選擇最優(yōu)模型炒瘸；6.利用學(xué)習(xí)的最優(yōu)模型對新數(shù)據(jù)進(jìn)行預(yù)測或分析淤堵；
遺傳算法非常適合用于大規(guī)模并行計(jì)算機(jī)：它在搜索過程中不容易陷入局部最優(yōu)，即使在所定義的適應(yīng)函數(shù)是不連續(xù)的顷扩、非規(guī)則的或有噪聲的情況下拐邪，也能以很大的概率找到整體最優(yōu)解；
一般來說隘截，專家系統(tǒng)中的知識庫與專家系統(tǒng)程序是相互獨(dú)立的扎阶，用戶可以通過改變、完善知識庫中的知識內(nèi)容來提高專家系統(tǒng)的性能婶芭；
知識獲取是專家系統(tǒng)開發(fā)過程中最難的一步东臀，獲取知識有以下4種方式：1.通過知識工程師人工抽取知識與經(jīng)驗(yàn)；2.通過采用知識編輯程序輔助抽取知識與經(jīng)驗(yàn)犀农；3.通過采用數(shù)據(jù)挖掘程序自動抽取專家的知識與經(jīng)驗(yàn)惰赋；4.通過采用文本理解程序自動抽取書本中的知識；
新型專家系統(tǒng)：分布式專家系統(tǒng)（設(shè)計(jì)一個(gè)分布式專家系統(tǒng)一般要考慮功能分布呵哨、知識分布赁濒、驅(qū)動分布：控制驅(qū)動轨奄，即是某個(gè)模塊控制、數(shù)據(jù)驅(qū)動流部，輸入數(shù)據(jù)后自動驅(qū)動戚绕、目標(biāo)驅(qū)動、事件驅(qū)動）
協(xié)同式專家系統(tǒng)：對于一個(gè)協(xié)同式專家系統(tǒng)需要考慮多個(gè)智能體之間的協(xié)同方法枝冀、知識的組織和分布舞丛、裁決方法、驅(qū)動方式及系統(tǒng)結(jié)構(gòu)等果漾；神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)：神經(jīng)網(wǎng)絡(luò)系統(tǒng)是將神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)專家系統(tǒng)集成所得到的一種新型專家系統(tǒng)球切；
神經(jīng)網(wǎng)絡(luò)具有自組織、自學(xué)習(xí)绒障、自適應(yīng)吨凑、分布儲存和并行處理等功能，比較適合模擬人類的低級感知智能户辱；傳統(tǒng)的專家系統(tǒng)常以邏輯推理為主鸵钝，適合模擬人類的高級智能，兩者結(jié)合可以做到優(yōu)勢互補(bǔ)庐镐；一旦網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)確定后恩商，便可以利用連接學(xué)習(xí)方法產(chǎn)生相應(yīng)的權(quán)值和閥值；目前許多算法可以達(dá)到這個(gè)目的：比如Pocket算法必逆、反傳學(xué)習(xí)算法和玻耳茲曼機(jī)等怠堪；
神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)是通過訓(xùn)練學(xué)習(xí)完成的，機(jī)器學(xué)習(xí)程序可以從實(shí)例中提取有關(guān)知識名眉，并通過矩陣及系統(tǒng)參數(shù)進(jìn)行學(xué)習(xí)訓(xùn)練粟矿，將有關(guān)知識以網(wǎng)絡(luò)或動力系統(tǒng)形式表示；多層神經(jīng)網(wǎng)絡(luò)的內(nèi)部表示可用分塊鄰接權(quán)值矩陣和閾值向量描述损拢；
基于神經(jīng)網(wǎng)絡(luò)的知識表示方法如下優(yōu)點(diǎn)：1.具有統(tǒng)一的內(nèi)部知識表示形式陌粹，通過學(xué)習(xí)程序即可獲得網(wǎng)絡(luò)的相關(guān)參數(shù)，如分塊鄰接權(quán)值矩陣探橱、節(jié)點(diǎn)偏移向量等申屹；任何知識規(guī)則都可變化成數(shù)字形式，便于知識庫的組織和管理隧膏，通用性強(qiáng)哗讥；2.便于實(shí)現(xiàn)知識的自動獲取胞枕；3.利于實(shí)現(xiàn)并行聯(lián)想推理和自適應(yīng)推理杆煞；4.能夠表示事物的復(fù)雜關(guān)系，如模糊因果關(guān)系；
國際上出現(xiàn)著名的多智能體系統(tǒng)：如CooperA决乎、GRATE和InteRRap队询；中國技術(shù)研究院的MAGE；
多智能體系統(tǒng)是分布式人工智能最活躍的研究領(lǐng)域构诚，研究在群體智能體間進(jìn)行智能行為的協(xié)調(diào)蚌斩；智能體具有自治性、交互性范嘱、協(xié)作性和自適應(yīng)性等特點(diǎn)送膳，構(gòu)建的多智能體系統(tǒng)具有更大的靈活性，更能體現(xiàn)人類社會智能性丑蛤，更加適應(yīng)開放的和動態(tài)的真實(shí)世界環(huán)境叠聋；
目前主流的移動機(jī)器人視覺系統(tǒng)有單目視覺、雙目立體視覺（難點(diǎn)在于對應(yīng)點(diǎn)匹配問題受裹，可以用到定位導(dǎo)航碌补、避障、地圖構(gòu)建方面）棉饶、多目視覺（提高視覺精確度但是算法更加復(fù)雜厦章，消耗時(shí)間長）、全景視覺（圖像拼接技術(shù)）混合視覺系統(tǒng)（吸收各種視覺系統(tǒng)的優(yōu)點(diǎn)組合照藻、系統(tǒng)配置高但費(fèi)用較高）
移動機(jī)器人常用的定位技術(shù)：1.基于航跡推算的定位技術(shù)闷袒；2.基于信號燈的定位方法；3.基于地圖的地位方法岩梳；4.基于路標(biāo)定位方法；5.基于視覺的定位方法晃择；
機(jī)器人的智能點(diǎn)來自于幾個(gè)方面：
第一冀值，有基本的對話功能。這個(gè)是來自于一個(gè)技術(shù)宫屠，叫做深度神經(jīng)網(wǎng)絡(luò)列疗；第二，要能夠完成某種任務(wù)浪蹂。比如信息搜索或者是總結(jié)抵栈，或者是生成一個(gè)對話，這個(gè)是需要強(qiáng)化學(xué)習(xí)的能力坤次；第三古劲，叫做遷移學(xué)習(xí)，這是一個(gè)新的研究方向缰猴。它能夠做什么呢产艾？它可以把一個(gè)通用模型個(gè)性化，讓一個(gè)大數(shù)據(jù)產(chǎn)生的模型在個(gè)人的小數(shù)據(jù)上面?zhèn)€性化，這樣可以產(chǎn)生一個(gè)很體貼的機(jī)器人闷堡。
情感機(jī)器人必須具備3個(gè)基本系統(tǒng)：情感識別系統(tǒng)隘膘、情感計(jì)算系統(tǒng)、情感表達(dá)系統(tǒng)杠览；
人腦是由神經(jīng)網(wǎng)（硬件）和心智系統(tǒng)（軟件）構(gòu)成的智能系統(tǒng)弯菊；
