2017人工智能論文

　　控制論是一門迅速發(fā)展的橫斷學(xué)科，人工智能隨著近幾年的不斷發(fā)展也越來越受到廣泛的關(guān)注，以下是學(xué)習(xí)啦小編整理分享的2017人工智能論文的相關(guān)文章，歡迎閱讀!

　　2017人工智能論文篇一

　　從控制論視角看人工智能

　　摘 要：控制論是一門迅速發(fā)展的橫斷學(xué)科，人工智能隨著近幾年的不斷發(fā)展也越來越受到廣泛的關(guān)注，本文嘗試從控制論的視角來研究人工智能的發(fā)展，并希望讀者借此來思考人工智能所帶來的倫理挑戰(zhàn)。

　　關(guān)鍵詞：控制論;人工智能;人的本質(zhì)

　　一、控制論的產(chǎn)生和一般原理

　　控制論的誕生一般認(rèn)為是以美國數(shù)學(xué)家諾波特·維納發(fā)表于1948年的《控制論—或關(guān)于在動(dòng)物和機(jī)器控制和通訊的科學(xué)》一書發(fā)表為標(biāo)志。維納把控制論看作是一門研究機(jī)器、生命社會(huì)中控制和通訊的一般規(guī)律科學(xué)，是研究動(dòng)態(tài)系統(tǒng)在變的環(huán)境下如何保持平衡狀態(tài)或穩(wěn)定狀態(tài)的科學(xué)。根據(jù)：“維納的定義——控制論是關(guān)于動(dòng)物和機(jī)器中控制和通訊的科學(xué)。”[1]所以控制論是關(guān)于機(jī)器、機(jī)器人和人的科學(xué)。

　　二、人工智能中包含的控制原理及方法

　　(一)人工大腦的反饋機(jī)制

　　大腦的復(fù)雜性隨著神經(jīng)科學(xué)的發(fā)展日益被科學(xué)家所揭示。盡管大腦具有極其復(fù)雜的神經(jīng)網(wǎng)絡(luò)，但是根據(jù)控制論的觀點(diǎn)我們可以全面而高度低模擬天然智能的結(jié)構(gòu)?？刂评碚撘暯侵械娜祟惔竽X有以下特征：1、非線性即極大數(shù)量的非線性的基本運(yùn)算元件;2、非局限性即一個(gè)神經(jīng)網(wǎng)絡(luò)通常有多個(gè)神經(jīng)元廣泛連接而成并且在一個(gè)系統(tǒng)神經(jīng)網(wǎng)絡(luò)中的整體行為不僅取決于單個(gè)神經(jīng)元特征并且要有單元之間的相互作用相互連接所決定;3、神經(jīng)互動(dòng)的感知運(yùn)行行為;4、可以進(jìn)行思維運(yùn)作。[3]基于大腦的這些生理機(jī)制，可以構(gòu)造出類似的人工大腦。這種人工大腦包含著控制論中重要的反饋控制原理，它的圖如下：

　　如圖所示反饋控制范式是將被控對(duì)象的輸出端的信息饋入控制器的輸入端作為控制指令的來源對(duì)被控對(duì)象的一種控制方式。但在控制系統(tǒng)中，由于各種環(huán)境的干擾以及系統(tǒng)內(nèi)部的擾動(dòng)都會(huì)對(duì)系統(tǒng)狀態(tài)發(fā)生影響，使它偏離系統(tǒng)目標(biāo)值的要求，這種偏離在被控對(duì)象的輸出端集中表現(xiàn)出來，因此，將這個(gè)輸出信息反饋到控制器中與目的信息進(jìn)行比較，導(dǎo)出偏差信息，作為控制信息抵消干擾的作用，糾正干擾引起的偏離，從而使系統(tǒng)恢復(fù)穩(wěn)定，達(dá)到或接近達(dá)到它的目標(biāo)狀態(tài)，這個(gè)過程原理稱為反饋控制原理?；谶@種反饋控制要求人工大腦系統(tǒng)必須產(chǎn)生即時(shí)知覺的雙向運(yùn)動(dòng)，這就意味著大腦要對(duì)輸入設(shè)備的控制的本質(zhì)是要將輸入解釋為自然感知模式。即大腦要根據(jù)信息的輸入進(jìn)行反饋，而且這種反饋還要盡可能的使系統(tǒng)處于穩(wěn)定狀態(tài)，從而把此系統(tǒng)變成人類心靈與身體的擴(kuò)展。

　　(二)人工智能的模式識(shí)別的系統(tǒng)分析

　　模式識(shí)別是人工智能最為重要的研究領(lǐng)域之一。模式識(shí)別研究主要集中在兩方面：一是研究生物體(包括人)是如何感知對(duì)象的，屬于認(rèn)識(shí)科學(xué)的范疇;二是在給定的任務(wù)下,如何用電子計(jì)算機(jī)對(duì)某些復(fù)雜的系統(tǒng)進(jìn)行鑒別和分類。它在理論構(gòu)建和實(shí)踐操作中都極大地應(yīng)用了控制論中的復(fù)雜系統(tǒng)分析方法。模式識(shí)別一般有三種[5]：一是統(tǒng)計(jì)模式識(shí)別(Statistics Pattern Recognition)是指被識(shí)別對(duì)象首先數(shù)字

　　化，變換為適于 計(jì)算機(jī)處理的數(shù)字信息;二是神經(jīng) 網(wǎng)絡(luò)法。神經(jīng)網(wǎng)絡(luò)分析法是指從神經(jīng) 心理學(xué)和認(rèn)知科學(xué)研究成果出發(fā)， 應(yīng)用數(shù)學(xué)方法 發(fā)展起來的一種具有高度并行計(jì)算能力、自學(xué)能力和容錯(cuò)能力的處理方法;三是結(jié)構(gòu)方法或 語言學(xué)方法。其基本思想是把一個(gè)模式描述為較簡單的子模式的組合，子模式又可描述為更簡單的子模式的組合 ，最終得到一個(gè)樹形的結(jié)構(gòu)描述。這三種方法有一個(gè)共同特點(diǎn)那就是必須依據(jù)外在世界和客觀 環(huán)境的復(fù)雜性、不確定性、多變性、等進(jìn)行層層的系統(tǒng)分析，進(jìn)行篩選有用信息和結(jié)構(gòu)分析，才能進(jìn)行識(shí)別。

　　(三)人工智能的信息方法

　　人工智能就其本質(zhì)而言，是對(duì)人的思維信息過程的模擬，已達(dá)到更好的智能化和信息效果，所以信息方法對(duì)于人工智能具有重要的作用。例如隨著科技的發(fā)展科學(xué)家們依據(jù)紅外線光電傳感器對(duì)被檢測物體遮擋或反射光束的原理將光的強(qiáng)弱的變化轉(zhuǎn)為電流的變化，檢測障礙物和采集地面信息，再由同步回路選通電路，測定物體的有無。用單片機(jī)控制采樣速度，進(jìn)行顯示和負(fù)責(zé)傳感器的狀態(tài)，控制電機(jī)以及PWM處理采集到的信號(hào)，實(shí)現(xiàn)機(jī)器人的尋線和避障。據(jù)此進(jìn)行了控制程序的編寫，制作了智能小車，經(jīng)實(shí)驗(yàn)證明效果很好。不可否認(rèn)人工智能的應(yīng)用越來越廣泛性。

　　三、結(jié)語

　　當(dāng)前是一個(gè)科學(xué)技術(shù)時(shí)代，技術(shù)的發(fā)展已經(jīng)以一種融合形式、跨學(xué)科的方式來運(yùn)行。不可否認(rèn)50多年以來，人工智能走的是一條曲折發(fā)展的道路，在人工智能的不斷進(jìn)步與發(fā)展中，研究者深感人工智能理論及技術(shù)的局限性.本文只是從控制論的視角來反思其帶來的問題。科學(xué)技術(shù)的發(fā)展不僅會(huì)導(dǎo)致相應(yīng)時(shí)代的技術(shù)進(jìn)步和 經(jīng)濟(jì)進(jìn)步，對(duì)于同時(shí)代的倫理、 政治和 社會(huì)也會(huì)導(dǎo)致一些重大的挑戰(zhàn)。面對(duì)技術(shù)對(duì)與各個(gè)領(lǐng)域的占有，有時(shí)批判性的反思對(duì)于人類的發(fā)展和生存至關(guān)也十分重要。

下一頁分享更優(yōu)秀的>>>2017人工智能論文