人工智能主要研究用人工方法模擬和擴(kuò)展人的智能，最終實現(xiàn)機(jī)器智能。人工智能研究與人的思維研究密切相關(guān)。以下是學(xué)習(xí)啦小編精心整理的有關(guān)人工智能論文的相關(guān)資料，希望對你有幫助!

　　有關(guān)人工智能論文篇一

　　淺談邏輯學(xué)與人工智能

　　人工智能主要研究用人工方法模擬和擴(kuò)展人的智能，最終實現(xiàn)機(jī)器智能。人工智能研究與人的思維研究密切相關(guān)。邏輯學(xué)始終是人工智能研究中的基礎(chǔ)科學(xué)問題，它為人工智能研究提供了根本觀點(diǎn)與方法。

　　1 人工智能學(xué)科的誕生

　　12世紀(jì)末13世紀(jì)初，西班牙羅門·盧樂提出制造可解決各種問題的通用邏輯機(jī)。17世紀(jì)，英國培根在《新工具》中提出了歸納法。隨后，德國萊布尼茲做出了四則運(yùn)算的手搖計算器，并提出了“通用符號”和“推理計算”的思想。19世紀(jì)，英國布爾創(chuàng)立了布爾代數(shù)，奠定了現(xiàn)代形式邏輯研究的基礎(chǔ)。德國弗雷格完善了命題邏輯，創(chuàng)建了一階謂詞演算系統(tǒng)。20世紀(jì)，哥德爾對一階謂詞完全性定理與N 形式系統(tǒng)的不完全性定理進(jìn)行了證明。在此基礎(chǔ)上，克林對一般遞歸函數(shù)理論作了深入的研究，建立了演算理論。英國圖靈建立了描述算法的機(jī)械性思維過程，提出了理想計算機(jī)模型(即圖靈機(jī)) ，創(chuàng)立了自動機(jī)理論。這些都為1945年匈牙利馮·諾依曼提出存儲程序的思想和建立通用電子數(shù)字計算機(jī)的馮·諾依曼型體系結(jié)構(gòu)，以及1946年美國的莫克利和?？颂爻晒ρ兄剖澜缟系谝慌_通用電子數(shù)學(xué)計算機(jī)ENIAC做出了開拓性的貢獻(xiàn)。

　　以上經(jīng)典數(shù)理邏輯的理論成果，為1956年人工智能學(xué)科的誕生奠定了堅實的邏輯基礎(chǔ)。

　　現(xiàn)代邏輯發(fā)展動力主要來自于數(shù)學(xué)中的公理化運(yùn)動。20世紀(jì)邏輯研究嚴(yán)重數(shù)學(xué)化，發(fā)展出來的邏輯被恰當(dāng)?shù)胤Q為“數(shù)理邏輯”，它增強(qiáng)了邏輯研究的深度，使邏輯學(xué)的發(fā)展繼古希臘邏輯、歐洲中世紀(jì)邏輯之后進(jìn)入第三個高峰期，并且對整個現(xiàn)代科學(xué)特別是數(shù)學(xué)、哲學(xué)、語言學(xué)和計算機(jī)科學(xué)產(chǎn)生了非常重要的影響。

　　2 邏輯學(xué)的發(fā)展

　　2.1邏輯學(xué)的大體分類

　　邏輯學(xué)是一門研究思維形式及思維規(guī)律的科學(xué)。 從17世紀(jì)德國數(shù)學(xué)家、哲學(xué)家萊布尼茲(G. LEibniz)提出數(shù)理邏輯以來，隨著人工智能的一步步發(fā)展的需求，各種各樣的邏輯也隨之產(chǎn)生。邏輯學(xué)大體上可分為經(jīng)典邏輯、非經(jīng)典邏輯和現(xiàn)代邏輯。經(jīng)典邏輯與模態(tài)邏輯都是二值邏輯。多值邏輯，是具有多個命題真值的邏輯，是向模糊邏輯的逼近。模糊邏輯是處理具有模糊性命題的邏輯。概率邏輯是研究基于邏輯的概率推理。

　　2.2 泛邏輯的基本原理

　　當(dāng)今人工智能深入發(fā)展遇到的一個重大難題就是專家經(jīng)驗知識和常識的推理?，F(xiàn)代邏輯迫切需要有一個統(tǒng)一可靠的，關(guān)于不精確推理的邏輯學(xué)作為它們進(jìn)一步研究信息不完全情況下推理的基礎(chǔ)理論，進(jìn)而形成一種能包容一切邏輯形態(tài)和推理模式的，靈活的，開放的，自適應(yīng)的邏輯學(xué)，這便是柔性邏輯學(xué)。而泛邏輯學(xué)就是研究剛性邏輯學(xué)(也即數(shù)理邏輯)和柔性邏輯學(xué)共同規(guī)律的邏輯學(xué)。

　　泛邏輯是從高層研究一切邏輯的一般規(guī)律，建立能包容一切邏輯形態(tài)和推理模式，并能根據(jù)需要自由伸縮變化的柔性邏輯學(xué)，剛性邏輯學(xué)將作為一個最小的內(nèi)核存在其中，這就是提出泛邏輯的根本原因，也是泛邏輯的最終歷史使命。

　　3 邏輯學(xué)在人工智能學(xué)科的研究方面的應(yīng)用

　　邏輯方法是人工智能研究中的主要形式化工具，邏輯學(xué)的研究成果不但為人工智能學(xué)科的誕生奠定了理論基礎(chǔ)，而且它們還作為重要的成分被應(yīng)用于人工智能系統(tǒng)中。

　　3.1 經(jīng)典邏輯的應(yīng)用

　　人工智能誕生后的20年間是邏輯推理占統(tǒng)治地位的時期。1963年，紐厄爾、西蒙等人編制的“邏輯理論機(jī)”數(shù)學(xué)定理證明程序(LT)。在此基礎(chǔ)之上，紐厄爾和西蒙編制了通用問題求解程序(GPS)，開拓了人工智能“問題求解”的一大領(lǐng)域。經(jīng)典數(shù)理邏輯只是數(shù)學(xué)化的形式邏輯，只能滿足人工智能的部分需要。

　　3.2 非經(jīng)典邏輯的應(yīng)用

　　(1)不確定性的推理研究

　　人工智能發(fā)展了用數(shù)值的方法表示和處理不確定的信息，即給系統(tǒng)中每個語句或公式賦一個數(shù)值，用來表示語句的不確定性或確定性。比較具有代表性的有：1976年杜達(dá)提出的主觀貝葉斯模型， 1978年查德提出的可能性模型， 1984年邦迪提出的發(fā)生率計算模型，以及假設(shè)推理、定性推理和證據(jù)空間理論等經(jīng)驗性模型。

　　歸納邏輯是關(guān)于或然性推理的邏輯。在人工智能中，可把歸納看成是從個別到一般的推理。借助這種歸納方法和運(yùn)用類比的方法，計算機(jī)就可以通過新、老問題的相似性，從相應(yīng)的知識庫中調(diào)用有關(guān)知識來處理新問題。

　　(2)不完全信息的推理研究

　　常識推理是一種非單調(diào)邏輯，即人們基于不完全的信息推出某些結(jié)論，當(dāng)人們得到更完全的信息后，可以改變甚至收回原來的結(jié)論。非單調(diào)邏輯可處理信息不充分情況下的推理。20世紀(jì)80年代，賴特的缺省邏輯、麥卡錫的限定邏輯、麥克德莫特和多伊爾建立的NML非單調(diào)邏輯推理系統(tǒng)、摩爾的自認(rèn)知邏輯都是具有開創(chuàng)性的非單調(diào)邏輯系統(tǒng)。常識推理也是一種可能出錯的不精確的推理，即容錯推理。

　　此外，多值邏輯和模糊邏輯也已經(jīng)被引入到人工智能中來處理模糊性和不完全性信息的推理。多值邏輯的三個典型系統(tǒng)是克林、盧卡西維茲和波克萬的三值邏輯系統(tǒng)。模糊邏輯的研究始于20世紀(jì)20年代盧卡西維茲的研究。1972年，扎德提出了模糊推理的關(guān)系合成原則，現(xiàn)有的絕大多數(shù)模糊推理方法都是關(guān)系合成規(guī)則的變形或擴(kuò)充。

　　4 人工智能——當(dāng)代邏輯發(fā)展的動力

　　現(xiàn)代邏輯創(chuàng)始于19世紀(jì)末葉和20世紀(jì)早期，其發(fā)展動力主要來自于數(shù)學(xué)中的公理化運(yùn)動。21世紀(jì)邏輯發(fā)展的主要動力來自哪里?筆者認(rèn)為，計算機(jī)科學(xué)和人工智能將至少是21世紀(jì)早期邏輯學(xué)發(fā)展的主要動力源泉，并將由此決定21世紀(jì)邏輯學(xué)的另一幅面貌。由于人工智能要模擬人的智能，它的難點(diǎn)不在于人腦所進(jìn)行的各種必然性推理，而是最能體現(xiàn)人的智能特征的能動性、創(chuàng)造性思維，這種思維活動中包括學(xué)習(xí)、抉擇、嘗試、修正、推理諸因素。例如，選擇性地搜集相關(guān)的經(jīng)驗證據(jù)，在不充分信息的基礎(chǔ)上做出嘗試性的判斷或抉擇，不斷根據(jù)環(huán)境反饋調(diào)整、修正自己的行為，由此達(dá)到實踐的成功。于是，邏輯學(xué)將不得不比較全面地研究人的思維活動，并著重研究人的思維中最能體現(xiàn)其能動性特征的各種不確定性推理，由此發(fā)展出的邏輯理論也將具有更強(qiáng)的可應(yīng)用性。

　　5 結(jié)語

　　人工智能的產(chǎn)生與發(fā)展和邏輯學(xué)的發(fā)展密不可分。

　　一方面我們試圖找到一個包容一切邏輯的泛邏輯，使得形成一個完美統(tǒng)一的邏輯基礎(chǔ);另一方面，我們還要不斷地爭論、更新、補(bǔ)充新的邏輯。如果二者能夠有機(jī)地結(jié)合，將推動人工智能進(jìn)入一個新的階段。概率邏輯大都是基于二值邏輯的，目前許多專家和學(xué)者又在基于其他邏輯的基礎(chǔ)上研究概率推理，使得邏輯學(xué)盡可能滿足人工智能發(fā)展的各方面的需要。就目前來說，一個新的泛邏輯理論的發(fā)展和完善需要一個比較長的時期，那何不將“百花齊放”與“一統(tǒng)天下”并行進(jìn)行，各自發(fā)揮其優(yōu)點(diǎn)，為人工智能的發(fā)展做出貢獻(xiàn)。目前，許多制約人工智能發(fā)展的因素仍有待于解決，技術(shù)上的突破，還有賴于邏輯學(xué)研究上的突破。在對人工智能的研究中，我們只有重視邏輯學(xué)，努力學(xué)習(xí)與運(yùn)用并不斷深入挖掘其基本內(nèi)容，拓寬其研究領(lǐng)域，才能更好地促進(jìn)人工智能學(xué)科的發(fā)展。

下一頁分享更優(yōu)秀的<<<有關(guān)人工智能論文