人工智能自诞生之日起就引起人们无限美丽的想象和憧憬

《人工智能自诞生之日起就引起人们无限美丽的想象和憧憬》由会员分享，可在线阅读，更多相关《人工智能自诞生之日起就引起人们无限美丽的想象和憧憬（11页珍藏版）》请在装配图网上搜索。

1、11J第1章 绪论绪论人工智能自诞生之日起就引起人们无限美丽的想象和憧憬。人工智能已经成为学科交叉发展中的一盏明灯，光芒四射；但其理论起伏跌宕，也存在争议和误解。本章首先介绍人工智能的定义、发展概况和相关学派及其认知观，然后讨论人工智能的研究和应用领域，最后综述未来人工智能领域有待解决的 问题。1.1 人工智能的定义与发展四十多年来，人工智能获得很大发展，已引起众多学科和不同专业背景学者们的日益重视，成为一门交叉学科和前沿科学。近十年来，现代计算机已能够存储极其大量的信息，进行快速信息处理，软件功能和硬件实现均取得长足进步，使人工智能获得进一步的应用。人类智能伴随着人类活动时时处处存在。人类的

2、许多活动，如下棋、竞技、解题、游戏、规划和编程，甚至驾车和骑车都需要“智能”。如果机器能够执行这种任务，就可以认为机器已具有某种性质的“人工智能”。不同科学或学科背景的学者对人工智能有着不同的理解，先后出现了3个主流学派：逻辑学派（符号主义方法）、仿生学派（联结主义方法）和控制论学派（行为主义方法）。1人工智能的定义人工智能（artificial intelligence）是研究理解和模拟人类智能、智能行为及其规律的一门学科。其主要任务是建立智能信息处理理论，进而设计可以展现某些近似于人类智能行为的计算系统。智能机器（intelligent machine）是能够在各类环境中自主地或交互地执行

3、各种拟人任务的机器。人工智能能力是智能机器所执行的通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。2人工智能的起源与发展20世纪30年代，数理逻辑学家Frege, Whitehead, Russell和Tarski等人研究表明，推理的某些方面可以用比较简单的结构加以形式化。Church和Turing等人给出了计算的本质刻画。1956年Dartmouth会议标志人工智能学科的诞生，它从一开始就是交叉学科的产物。与会者有数学家、逻辑学家、认知学家、心理学家、神经生理学家和计算机科学家。Dartmouth会议上，Marvin Mi

4、nsky的神经网络模拟器、John McCarthy的搜索法，以及Herbert Simon和Allen Newell的定理证明器是会议的3个亮点。分别讨论如何穿过迷宫，如何搜索推理和如何证明数学定理。会上，首次使用了“人工智能”这一术语。这些 学者（还包括Lochester, Shannon, More, Samuel）后来绝大多数都成为著名的人工智能 专家。1969年召开了第一届国际人工智能联合会议（International Joint Conference on AI，IJCAI），此后每两年召开一次；1970年International Journal of AI杂志创刊。这些对开展

5、人工智能国际学术活动和交流、促进人工智能的研究与发展起到积极的作用。控制论思想对人工智能早期研究有着重要影响。Wiener、McCulloch等人提出的控制论和自组织系统的概念集中讨论了“局部简单”系统的宏观特性。1948年，Wiener发表的“动物与机器中的控制与通信”论文，不但开创了近代控制论，而且为人工智能的控制论学派（即行为主义学派）树立了新的里程碑。控制论影响了许多领域，因为控制论的概念跨接了许多领域，把神经系统的工作原理与信息理论、控制理论、逻辑以及计算联系起来。最终把这些不同思想连接起来的是由Babbage, Turing, von Neumann和其他一些人所研制的计算机本身。

6、在机器的应用成为可行之后不久，人们就开始试图编写程序以解决智力测验难题、下棋以及把文本从一种语言翻译成另一种语言。这是第一批人工智能程序。三十多年来，人工智能的应用研究取得了重大进展。首先，专家系统（expert system）显示出强大的生命力。被誉为“专家系统和知识工程之父”的Feigenbaum所领导的研究小组于1968年研究成功第一个专家系统DENDRAL，用于质谱仪分析有机化合物的分子结构。19721976年，Feigenbaum小组又成功开发了医疗专家系统MYCIN，用于抗生素药物治疗。此后，许多著名的专家系统，如地质勘探专家系统PROSPECTOR、青光眼诊断治疗专家系统CASN

7、ET、计算机结构设计专家系统RI、符号积分与定理证明专家系统MACSYMA、钻井数据分析专家系统ELAS和电话电缆维护专家系统ACE等被相继开发，为工矿数据分析处理、医疗诊断、计算机设计、符号运算和定理证明等提供了强有力的工具。1977年，Feigenbaum进一步提出了知识工程（knowledge engineering）的概念。整个20世纪80年代，专家系统和知识工程在全世界得到迅速发展。在开发专家系统的过程中，许多研究者获得共识，即人工智能系统是一个知识处理系统，而知识表示、知识利用和知识获取则成为人工智能系统的3个基本问题。近十多年来，机器学习、计算智能、人工神经网络等行为主义的研究深

8、入开展，形成高潮，这些都推动了人工智能研究的深入发展。我国的人工智能研究起步较晚。纳入国家计划的研究（“智能模拟”）开始于1978年；1984年召开了智能计算机及其系统的全国学术讨论会；1986年起把智能计算机系统、智能机器人和智能信息处理（含模式识别）等重大项目列入国家高技术研究计划；1993年起，又把智能控制和智能自动化等项目列入国家科技攀登计划。进入21世纪后，已有更多的人工智能与智能系统研究获得各种基金计划支持。1981年起，相继成立了中国人工智能学会（CAAI）、全国高校人工智能研究会、中国计算机学会人工智能与模式识别专业委员会、中国自动化学会模式识别与机器智能专业委员会、中国软件行

9、业协会人工智能协会、中国智能机器人专业委员会、中国计算机视觉与智能控制专业委员会以及中国智能自动化专业委员会等学术团体。1989年首次召开中国人工智能联合会议（CJCAI）。1987年模式识别与人工智能杂志创刊。中国科学家在人工智能领域取得一些在国际上有影响的创造性成果，如吴文俊院士关于几何定理证明的“吴氏方法”。20世纪40位图灵奖获得者中有6位人工智能学者：Marvin Minsky（1969年获奖），John McCarthy（1971年获奖），Herbert Simon和Allen Newell（1975年获奖），Edward Albert Feigenbaum和Raj Reddy（1

10、994年获奖）。人工智能有3次大飞跃。第一次是智能系统代替人完成部分逻辑推理工作，如机器定理证明和专家系统。第二次是智能系统能够和环境交互，从运行的环境中获取信息，代替人完成包括不确定性在内的部分思维工作，通过自身的动作，对环境施加影响，并适应环境的变化，如智能机器人。第三次是智能系统具有类人的认知和思维能力，能够发现新的知识，去完成面临的任务，如基于数据挖掘的系统。1.2 人类智能与人工智能人类的认知过程是一个非常复杂的行为，人们从不同的角度对它进行研究，从而形成诸如认知生理学、认知心理学和认知工程学等相关学科。这里仅讨论几个与人工智能有密切关系的问题。1.2.1 智能信息处理系统的假设人的

11、心理活动具有不同的层次，可与计算机的层次相比较。心理活动的最高层是思维策略，中间一层是初级信息处理，最低层为生理过程，即中枢神经系统、神经元和大脑的活动。与此相应的是计算机的程序、语言和硬件。 研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程序来模拟人的思维策略水平，而用计算机语言模拟人的初级信息处理过程。计算机也以类似的原理进行工作。在规定时间内，计算机存储的记忆相当于机体的状态；计算机的输入相当于机体施加的某种刺激。在得到输入之后，计算机便进行操作，使得其内部状态随时间发生变化。可以从不同的层次来研究这种计算机系统。这种系统以人的思维方式为模型进行智能信息处理。

12、显然，这是一种智能计算机系统。设计适用于特定领域的这种高水平智能信息处理系统，是研究认知过程的一个具体而又重要的目标。例如，一个具有智能信息处理能力的自动控制系统就是一个智能控制系统，它可以是专家控制系统，或者是智能决策系统等。可以把人看成是一个智能信息处理系统。信息处理系统也称符号操作系统（symbol operation system）或物理符号系统（physical symbol system）。所谓符号就是模式（pattern）。任一模式，只要它能与其他模式相区别，就是一个符号。例如，不同的汉语拼音字母或英文字母就是不同的符号。对符号进行操作就是对符号进行比较，从中找出相同的和不同的符

13、号。物理符号系统的基本任务和功能就是辨认相同的符号和区别不同的符号。为此，这种系统就必须能够辨别出不同符号之间的实质差别。符号既可以是物理符号，也可以是头脑中的抽象符号，或者是电子计算机中的电子运动模式，还可以是头脑中神经元的某些运动方式。一个完善的符号系统应具有下列6种基本功能。（1）输入符号；（2）输出符号；（3）存储符号；（4）复制符号；（5）建立符号结构；（6）条件性迁移。建立符号系统是通过找出各符号间的关系，在符号系统中形成符号结构；而条件性迁移则是根据已有符号，继续完成活动过程。如果一个物理符号系统具有上述全部6种功能，能够完成这个全过程，那么它就是一个完整的物理符号系统。人能够输

14、入信号，如用眼睛看、用耳朵听、用手触摸等。计算机也能通过磁盘或键盘等方式输入符号。人具有上述6种功能，现代计算机也具备物理符号系统的这6种功能。假设 任何一个系统，如果它能够表现出智能，那么它就必定能够执行上述6种功能。反之，任何系统如果具有这6种功能，那么它就能够表现出智能；这种智能指的是人类所具有的那种智能。把这个假设称为物理符号系统的假设。物理符号系统的假设伴随3个推论，或称为附带条件。推论1.1 既然人具有智能，那么他就一定是个物理符号系统。人之所以能够表现出智能，就是基于他的信息处理过程。推论1.2 既然计算机是一个物理符号系统，它就一定能够表现出智能。这是人工智能的基本条件。推论1

15、.3 既然人是一个物理符号系统，计算机也是一个物理符号系统，那么就能够用计算机来模拟人的活动。值得指出的是，推论1.3并不一定是从推论1.1和推论1.2推导出来的必然结果。因为人是物理符号系统，具有智能；计算机也是一个物理符号系统，也具有智能，但它们可以用不同的原理和方式进行活动。所以，计算机并不总是模拟人的活动，它可以编制出一些复杂的程序来求解方程，进行复杂的计算。不过，计算机的这种运算过程未必就是人类的思维过程。可以按照人类的思维过程来编制计算机程序，这项工作就是人工智能的研究内容。如果做到了这一点，就可以用计算机在形式上来描述人的思维活动过程，或者建立一个理论来说明人的智力活动过程。人的

16、认知活动具有不同的层次，对认知行为的研究也应具有不同的层次，以便不同学科之间的分工协作，联合攻关，早日解开人类认知本质之谜。可以从下列4个层次开展对认知本质的研究。（1）认知生理学：研究认知行为的生理过程，主要研究人的神经系统（神经元、中枢神经系统和大脑）的活动，是认知科学研究的底层。认知生理学与心理学、神经学、脑科学有着密切的关系，且与基因学、遗传学等有交叉联系。（2）认知心理学：研究认知行为的心理活动，主要研究人的思维策略，是认知科学研究的顶层。认知心理学与心理学有着密切的关系，且与人类学、语言学交叉。（3）认知信息学：研究人的认知行为在人体内的初级信息处理，主要研究人的认知行为如何通过初

17、级信息自然处理，由生理活动变为心理活动及其逆过程，即由心理活动变为生理行为。这是认知活动的中间层，承上启下。认知信息学与神经学、信息学、计算机科学有着密切的关系，并与心理学、生理学有交叉关系。（4）认知工程学：研究认知行为的信息加工处理，主要研究如何通过以计算机为中心的人工信息处理系统，对人的各种认知行为（如知觉、思维、记忆、语言、学习、理解、推理、识别等）进行信息处理。这是研究认知科学和认知行为的工具，应成为现代认知心理学和现代认知生理学的重要研究手段。认知工程学与人工智能、信息学、计算机科学有着密切的关系，并与控制论、系统学等交叉。只有开展大跨度的多层次、多学科交叉研究，应用现代智能信息处

18、理的最新手段，认知科学才可能较快地取得突破性成果。1.2.2 人类智能的计算机模拟Pamela McCorduck在机器思维（Machines Who Think，1979）中指出：在复杂的机械装置与智能之间存在着长期的联系。从几世纪前出现的神话般的复杂巨钟和机械自动机开始，人们已对机器操作的复杂性与自身的智能活动进行直接联系。今天，新技术已使所建造的机器的复杂性大为提高。现代电子计算机要比以往的任何机器都复杂。计算机的早期工作主要集中在数值计算方面。然而，人类最主要的智力活动并不是数值计算，而是在逻辑推理方面。物理符号系统假设的推论1.1也告诉人们，人有智能，所以是一个物理符号系统；推论1.

19、3指出，可以编写出计算机程序去模拟人类的思维活动。这就是说，人和计算机这两个物理符号系统所使用的物理符号是相同的，因而计算机可以模拟人类的智能活动过程。计算机的确能够很好地执行许多智能功能，如下棋、证明定理、翻译语言文字和解决难题等。这些任务是通过编写与执行模拟人类智能的计算机程序来完成的。当然，这些程序只能接近于人的行为，而不可能与人的行为完全相同。此外，这些程序所能模拟的智能问题，其水平还是很有限的。考虑下棋的计算机程序。计算机程序对每个可能的走步空间进行搜索，能够同时搜索几千种走步。进行有效搜索的技术是人工智能的核心思想之一。不过，以前的计算机不能战胜最好的人类棋手，其原因在于：向前看并

20、不是下棋所必须具有的一切，需要彻底搜索的走步又太多；在寻找和估计替换走步时并不能确信能够导致博弈的胜利。当象棋大师们盯着一个棋位时，在他们的脑子里出现了很多盘重要的棋局，帮助他们决定最好的走步。近年来，自学习、并行处理、启发式搜索、机器学习、智能决策等人工智能技术已用于博弈程序设计，使“计算机棋手”的水平大为提高。1997年5月，IBM公司研制的深蓝（Deep Blue）智能计算机在6局比赛中以2胜1负3平的结果，战胜国际象棋冠军卡斯帕罗夫（Kasparov），“深蓝”计算速度为200万棋步/秒，采用启发式搜索方法。2003年1月26日至2月7日，国际象棋人机大战在纽约举行。Kasparov与

21、比深蓝更强大的“小深”（Deep Junior）先后进行了6局比赛，以1胜1负4平的结果握手言和。1.3 人工智能各学派的认知观目前人工智能的主要学派有下列3家。（1）符号主义（symbolicism）：又称逻辑主义（logicism）、心理学派（psychologism）或计算机学派（computerism），其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理。（2）连接主义（connectionism）：又称仿生学派（bionicsism）或生理学派 （physiologism），其原理主要为神经网络及神经网络间的连接机制与学习算法。（3）行为主义（actionism）：又称进

22、化主义（evolutionism）或控制论学派（cyberneticsism），其原理为控制论及感知-动作型控制系统。各学派对人工智能发展历史具有不同的看法。1符号主义学派认知基元是符号，智能行为通过符号操作来实现，以Robinson提出的归结原理为基础，以LISP和Prolog语言为代表；着重问题求解中启发式搜索和推理过程，在逻辑思维的模拟方面取得成功，如自动定理证明和专家系统。人工智能源于数理逻辑。数理逻辑和计算机科学具有完全相同的宗旨：扩展人类大脑的功能，帮助人脑正确、高效地思维。数理逻辑和计算机科学分别关注基础理论和实用技术。数理逻辑试图找出构成人类思维或计算的最基础的机制，例如推理中

23、的“代换”、“匹配”、“分离”，计算中的“运算”、“迭代”、“递归”。而计算机程序设计则是要把问题的求解归结于程序设计语言的几条基本语句，甚至归结于一些极其简单的机器操作指令。数理逻辑的形式化方法又和计算机科学不谋而合。计算机系统本身，它的硬件、软件都是一种形式系统，它们的结构都可以形式地描述；程序设计语言更是不折不扣的形式语言系统。要研究计算机、开发种种程序设计语言，没有形式化知识和形式化能力是难以取得出色的成果的。另一方面，应用计算机求解实际问题，首要的任务便是形式化。离开对问题正确的形式化描述，没有理性的机器何以理解、解答这些问题呢？人们必须用计算机懂得的形式语言告诉它“怎么做”或者“做

24、什么”，而计算机理解这些语言的过程，又正是按照人赋予它的形式化规程（编译程序，compiler），将它们归约为自己的基本操作。计算机科学技术人员常常会发现，一个问题的逻辑表达式几乎就是某个程序设计语言（例如逻辑程序设计语言Prolog）的一个子程序；而用有些语言书写的程序（例如关系数据库查询语言SQL程序）简直就是逻辑表达式。事实上，正是数理逻辑对“计算”的追根寻源，导致了第一个计算的数学模型图灵机（Turing machines）的诞生， 图灵机被公认为现代数字计算机的祖先；l-演算系统为第一个人工智能语言LISP奠 定了基础；一阶谓词演算系统为计算机的知识表示及定理证明铺平了道路，以其为根

25、本的逻辑程序设计语言Prolog，曾被不少计算机科学技术专家誉为新一代计算机的核心 语言。目前，从基本逻辑电路的设计，到巨型机、智能机系统结构的研究；从程序设计过程到程序设计语言的研究发展；从知识工程到新一代计算机的研制，无一不需要数理逻辑的知识、成果，无一可离开数理逻辑家的智慧与贡献。2连接主义学派人的思维基元是神经元，把智能理解为相互联结的神经元竞争与协作的结果，以人工神经网络为代表，其中，反向传播网络模型（BP）和Hopfield网络模型更为突出；着重结构模拟，研究神经元特征、神经元网络拓扑、学习规则、网络的非线性动力学性质和自适应的协同行为。连接主义学派认为人工智能源于仿生学，特别是对

26、人脑模型的研究。其代表性成果是1943年由生理学家McCulloch和数理逻辑学家Pitts创立的脑模型，即MP模型，开创了用电子装置模仿人脑结构和功能的新途径。MP模型从神经元开始进而研究神经网络模型和脑模型，开辟了人工智能的又一发展道路。20世纪6070年代，连接主义，尤其是对以感知器（perceptron）为代表的脑模型的研究曾出现过热潮，由于受到当时的理论模型、生物原型和技术条件的限制，脑模型研究在20世纪70年代后期至80年代初期落入低潮。直到Hopfield在1982年和1984年发表两篇重要论文，提出用硬件模拟神经网络以后，连接主义才又重新抬头。1986年，Rumelhart等人

27、提出多层网络中的反向传播（BP）算法。3行为主义学派行为主义学派认为人工智能源于控制论。控制论思想早在20世纪4050年代就成为时代思潮的重要部分，影响了早期的人工智能工作者。控制论把神经系统的工作原理与信息理论、控制理论、逻辑以及计算机联系起来。早期的研究工作重点是模拟人在控制过程中的智能行为和作用，如对自寻优、自适应、自校正、自镇定、自组织和自学习等控制论系统的研究，并进行“控制论动物”的研制。到20世纪6070年代，上述这些控制论系统的研究取得一定进展，播下智能控制和智能机器人的种子，并在20世纪80年代诞生了智能控制和智能机器人系统。行为主义是20世纪末才以人工智能新学派的面孔出现的，

28、引起许多人的兴趣。这一学派的代表作首推Brooks的六足行走机器人，被看做是新一代的“控制论动物”，是一个基于感知-动作模式的模拟昆虫行为的控制系统。反馈是控制论的基石，没有反馈就没有智能。通过目标与实际行为之间的误差来消除此误差的控制策略。PID控制是控制论对付不确定性的最基本手段。控制论导致机器人研究，机器人是“感知-行为”模式，是没有知识的智能；强调系统与环境的交互，从运行环境中获取信息，通过自己的动作对环境施加影响。以上3个人工智能学派将长期共存与合作，取长补短，并走向融合和集成，共同为人工智能的发展做出贡献。1.4 人工智能的研究与应用领域人工智能领域包括自然语言处理、自动定理证明、

29、智能数据检索系统、机器学习、模式识别、视觉系统、问题求解、人工智能方法和程序语言以及自动程序设计等。在过去的四十多年中，已经建立了一些具有人工智能的计算机系统，例如，能够求解微分方程、下棋、设计分析集成电路、合成人类自然语言、检索情报、诊断疾病以及控制太空飞行器、地面移动机器人和水下机器人的具有不同程度人工智能的计算机系统。下面对人工智能研究和应用的讨论，试图把有关各个子领域直接联结起来，辨别某些方面的智能行为，并指出有关的人工智能研究和应用的状况。这里所要讨论的各种智能特性之间也是相互关联的，把它们分开来介绍只是为了便于指出现有的人工智能程序能够做些什么和还不能做什么。大多数人工智能研究课题

30、 都涉及许多智能领域。下面从智能感知、智能推理、智能学习和智能行动4个方面进行 概述。1.4.1 、智能感知1模式识别模式识别是对表征事物或现象的各种形式的（数值的、文字的和逻辑关系的）信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程。人们在观察事物或现象的时候，常常要寻找它与其他事物或现象的异同之处，根据一定的目的把并不完全相同的事物或现象组成为一类。字符识别就是一个典型的例子。人脑的这种思维能力就构成了“模式”的概念。模式识别研究主要集中在两方面，即研究生物体是如何感知对象的，以及在给定的任务下，如何用计算机来实现模式识别的理论和方法。模式识别的方法有感知机、统计决策方法

31、、基于基元关系的句法识别方法和人工神经元网络方法。一个计算机模式识别系统基本上由3部分组成，即数据采集、数据处理和分类决策或模型匹配。任何一种模式识别方法都首先要通过各种传感器把被研究对象的各种物理变量转换为计算机可以接受的数值或符号集合。为了从这些数值或符号中抽取出对识别有效的信息，必须对这些数值或符号进行处理，其中包括消除噪声、排除不相干的信号以及与对象的性质和采用的识别方法密切相关的特征的计算以及必要的变换等。然后通过特征选择和提取或基元选择形成模式的特征空间，以后的模式分类或模型匹配就在特征空间的基础上进行。系统的输出，或者是对象所属的类型，或者是模型数据库中与对象最相似的模型的编号。

32、实验表明，人类接受外界信息的80%以上来自视觉，10%左右来自听觉。所以，早期的模式识别研究工作集中在对文字和二维图像的识别方面，并取得了不少成果。自20世纪60年代中期起，机器视觉方面的研究工作开始转向解释和描述复杂的三维景物这一更困难的课题。Robest于1965年发表的论文，奠定了分析由棱柱体组成的景物的方向，迈出了用计算机把三维图像解释成三维景物的一个单眼视图的第一步，即所谓的积木 世界。接着，机器识别由积木世界进入识别更复杂的景物和在复杂环境中寻找目标以及室外景物分析等方面的研究。目前研究的热点是活动目标的识别和分析，是景物分析走向实用化研究的一个标志。语音识别技术的研究始于20世纪

33、50年代初期。1952年，美国贝尔实验室的Davis等人成功地进行了090个数字的语音识别实验，其后由于当时技术上的困难，研究进展缓慢，直到1962年才由日本研制成功第一个连续多位数字语音识别装置。1969年，日本的板仓斋藤提出了线性预测方法，对语音识别和合成技术的发展起到了推动作用。20世纪70年代以来，各种语音识别装置相继出现，性能良好的能够识别单词的声音识别系统已进入实用阶段。神经网络用于语音识别也已取得成功。在模式识别领域，神经网络方法已经成功地应用于手写字符的识别、汽车牌照的识别、指纹识别、语音识别等方面。模式识别已经在天气预报、卫星航空图片解释、工业产品检测、字符识别、语音识别、指

34、纹识别、医学图像分析等许多方面得到了成功的 应用。2自然语言处理自然语言处理是用计算机对人类的书面和口头形式的自然语言信息进行处理加工的技术，涉及语言学、数学和计算机科学等多学科知识领域。自然语言处理的主要任务在于建立各种自然语言处理系统，如：文字自动识别系统、语音自动识别系统、语音自动合成系统、电子词典、机器翻译系统、自然语言人机接口系统、自然语言辅助教学系统、自然语言信息检索系统、自动文摘系统、自动索引系统、自动校对系统等。自然语言在以下4个方面与人工语言有很大差异：自然语言中充满歧义；自然语言的结构复杂多样；自然语言的语义表达千变万化，至今还没有一种简单而通用的途径来描述它；自然语言的结

35、构和语义之间有着千丝万缕、错综复杂的联系。自然语言处理的研究有两大主流：一是面向机器翻译的自然语言处理；二是面向人机接口的自然语言处理。20世纪90年代，在自然语言处理中，开始把大规模真实文本的处理作为今后的战略目标，引入了语料库方法，包括统计方法、基于实例的方法以及通过语料加工使语料库转变为语言知识库的方法等。判断计算机系统是否真正“理解”了自然语言的标准有：问答、释义、文摘生成和翻译。自然语言理解的研究大体上经历了3个时期：开始是以关键词匹配技术为主流的早期，随后是以句法-语义分析方法为主流的中期，最后是走向实用化和工程开发的近期。在这个过程中发展和完善了词法分析、句法分析、语义分析和语境

36、分析技术，先后提出了短语结构语法、格语法以及基于合一的语法理论，丰富和发展了计算语言学、语料库语言学和计量语言学。目前可以将任意输入的源语言的句子作为处理对象的机器翻译系统的实现方式可分为3类：直接方式、转换方式与中间语言方式。这3种方式的共同特点是机器翻译系统必须配备庞大的规则库与词典，可以统一称为基于规则的方法。近年来，又出现了一种全新的基于实例的方法。这种方法的基础是大规模的双语对译语料库，同时需要开发最佳匹配检索技术和适当的调整机制。随着语料库语言学的发展，基于实例的机器翻译方法将显示出它的优势。机器翻译系统既可采用人助机译，又可采用机助人译。现实的系统还需要译前编辑或译后编辑。电子词

37、典是机器翻译系统的低级形式。机器翻译系统性能及其译文质量的评价问题也是机器翻译领域的一个重要研究课题。3计算机视觉计算机视觉旨在对描述景物的一幅或多幅图像的数据经计算机处理，以实现类似于人的视觉感知功能。有些学者把为实现视觉感知所要进行的图像获取、表示、处理和分析等也包含在计算机视觉中，使整个计算机视觉系统成为一个能够看的机器，从而可以对周围的景物提取各种有关信息，包括物体的形状、类别、位置以及物理特性等，以实现对物体的识别理解和定位，并在此基础上作出相应的决策。景物在成像过程中经透视投影而成光学图像，再经过取样和量化，得到由各像元的灰度值组成的二维阵列，即数字图像，这是计算机视觉研究中最常用

38、的一类图像。此外，还用到由激光或超声测距装置获取的距离图像，直接表示物体表面一组离散点的深度信息。用多种传感器实现数据融合则是近年来获取视觉信息的重要方法。计算机视觉的基本方法是：获取灰度图像；从图像中提取边缘、周长、惯性矩等特征；从描述已知物体的特征库中选择特征匹配最好的相应结果。感知问题的要点是形成一个精炼的表示以取代难以处理的、极其庞大的、未经加工的输入数据。最终表示的性质和质量取决于感知系统的目标。不同系统有不同的目标，但所有系统都必须把来自输入的多得惊人的感知数据简化为一种易于处理的和有意义的描述。对不同层次的描述作出假设，然后测试这些假设，这一策略为视觉问题提供了一种方法。已经建立

39、的某些系统能够处理一幅景物的某些适当部分，以此扩展一种描述若干成分的假设。然后这些假设通过特定的场景描述检测器进行测试。这些测试结果又用来发展更好的假设等。计算机视觉通常可分为低层视觉与高层视觉两类。低层视觉主要执行预处理功能，如边缘检测、动目标检测、纹理分析，通过阴影获得形状、立体造型、曲面色彩等，其目的是使被观察的对象更突现出来。高层视觉则主要是理解所观察的形象。计算机视觉的前沿研究领域包括实时并行处理、主动式定性视觉、动态和时变视觉、三维景物的建模与识别、实时图像压缩传输和复原、多光谱和彩色图像的处理与解释等。计算机视觉的应用范围很广，例如条形码识别系统、指纹自动鉴定系统、文字识别系统、生物医学图像分析和遥感图片自动解释系统和无损探伤系统等。计算机视觉还曾用于在海湾战争中使用过的战斧式巡航导弹的制导。该视觉系统具有近红外和可见光的传感器及数字场景面积匹配器，在距目标15公里的范围内发挥作用。机器人也是计算机视觉应用的一个重要领域，对于无人驾驶自主车的自动导航，以及在工业装配、太空、深海或危险环境（如核辐射）中代替人工作的自主式机器人，计算机三维视觉是不可缺少的一项关键技术。