智能机器人论文篇1

尽管哲学上关于“机器意识”有着不同观点的争论，但随着研究工作的不断深入，一些有远见的专家学者开始充分认识到开展机器意识研究的重要意义，并专门撰文进行了精辟论述。比如，英国皇家学院电子工程系的Aleksander教授根据学术界从上世纪九十年代到本世纪对机器意识态度的转变，指出机器意识的影响与日俱增，并预计了机器意识对科学与技术发展的潜在影响，特别是在改变人们对意识的理解、改进计算装置与机器人概念等方面的贡献尤为重大。

无独有偶，美国伊利诺伊大学哲学系Haikonen教授则专门撰文强调机器意识是新一代信息技术产业发展的新机遇，他认为新产品与系统的发展机会起因于信息技术的发展，而现有的人工智能基于预先编程算法，机器与程序并不能理解其所执行的内容。显而易见，不考虑意识就没有对自身行为的理解，而机器意识技术的涌现可以弥补这一缺失，因此机器意识技术可以为信息技术产业的发展提供新的契机。意大利巴勒莫大学机器人实验室的Chella教授则指出，开展机器意识不仅是一种技术挑战，也是科学和理论上开展人工智能和机器人研究的新途径。最近，土耳其中东技术大学的Gök和Sayan两位学者进一步认为，开展机器意识的计算建模研究还有助于推进对人类意识现象的理解，推动构建更加合理的意识理论。

上述这些学者的论述，无疑说明，机器意识研究不但对深化人工智能的研究有着重要的推动作用，对从科学上解释神秘的意识现象也同样具有非同寻常的意义。正因为机器意识研究有着如此重要的科学意义和推动未来信息技术革新的潜在价值，随着最近十年的研究发展，该领域已经成为学界广泛关注的热点。与此同时，数量相当可观的研究成果和实验系统已逐步形成，有些成果已经被运用到实际机器认知系统的开发之中。机器意识研究已经成为了人工智能最为前沿的研究领域。

机器意识研究的现状分析

2006年之前的有关机器意识的研究状况，英国皇家学院电子工程系的研究团队已经做过了比较全面的综述。因此，我们这里主要就在此之后国际上有关机器意识的研究概况和发展趋势进行分析。据我们的文献检索，截止到2015年底，在机器意识研究领域发表过的学术论文超过350余篇，其中最近十年发表的论文占了一半以上。归纳起来，由于对意识的哲学解释不同，目前机器意识方面的主流研究往往是以某种意识科学理论为出发点的具体建模研究和实现。由于涉及到的文献过多，无法一一列举，我们仅就一些影响较大的典型研究进行分析。

在意识科学研究领域，一种较早的理论观点是用量子机制来解释意识现象，这样的出发点也波及到有关机器意识建模的研究。利用量子理论来描述意识产生机制的有效性并不是说物质的量子活动可以直接产生意识，而是强调意识产生机制与量子机制具有跨越尺度的相似性。近年来，意识的量子模型发展又有了新的动向。比如，作为量子意识理论的进一步发展，中国科学院电子学研究所的高山(Gao Shan)提出了意识的一种量子理论，研究了量子塌缩与意识之间的关系，假定量子塌缩是一种客观的动态过程。日本Akita国际大学的Schroeder另辟蹊径，在构建统一意识模型中不涉及量子力学的量子相干性方面做出了全新的探索，主要目标是说明现象意识能够依据量子力学的物理解释，用量子力学的形式化代数性质来描述。此外，俄罗斯Lebedev物理研究所的Michael B. Mensky利用意识的量子概念提出了一种主观选择的数学模型，说明意识和超意识的特性如何能够通过简单的数学模型给出。当然，更多的是有关意识量子机制描述的可能性争论，正反两方面的观点都有。特别是在2012年的Physics of Life Reviews第9卷第3期，以Baars和Edelman所著论文“Consciousness， biology and quantum hypotheses”为核心，10余名相关领域的学者分别撰文对是否能够通过量子机制来描述意识现象展开了多方位的辩论。最近，Susmit Bagchi从分布式计算的角度，较为全面地讨论了生物演化与量子意识之间的关系。遗憾的是，迄今为止，学术界对此问题尚未达成一致的结论。

在机器意识研究中，第二种有重大影响的理论观点就是全局工作空间理论。全局工作空间理论(Global workspace theory)是由美国加利福尼亚大学圣地亚哥分校神经科学研究所的Baars研究员1988年提出的意识解释理论。在该理论的指导下，由Baars、Franklin和Ramamurthy等人组成的研究团队开展了长达20多年的机器意识研究工作，最终开发完成了LIDA认知系统。

LIDA(Learning Intelligent Distribution Agent)是在该研究团队等人早期开发的IDA(Intelligent Distribution Agent)基础上发展起来的，主要依据Baars全局工作空间理论，采用神经网络与符号规则混合计算方法，通过在每个软件主体建立内部认知模型来实现诸多方面的意识认知能力，如注意、情感与想象等。该系统可以区分有无意识状态，是否有效运用有意识状态，并具备一定的内省反思能力等。从机器意识的终极目标来看，该系统缺乏现象意识的特征，比如意识主观性、感受性和统一性均不具备。

指导机器意识研究的第三种重要理论观点是意识的信息整合理论。意识的信息整合理论是美国威斯康星—麦迪逊大学精神病学的Tononi教授1998年提出的。自该理论提出以来，不少研究团队以信息整合理论为依据，采用神经网络计算方法来进行机器意识的研究工作。其中，典型代表有英国Aleksander教授的研究团队和美国Haikonen教授的研究团队所开展的系统性研究工作。英国皇家学院的Aleksander教授领导的研究团队长期开展机器意识的研究工作，发表相关论文30余篇。早期的研究主要给出了有关意识的公理系统及其神经表征建模实现，比较强调采用虚拟计算机器来建模意识。最近几年，Aleksander研究团队采取仿脑策略，强调信息整合理论的运用，建立了若干仿脑(brain-inspired)意识实现系统，更好地实现了五个意识公理的最小目标。美国伊利诺伊大学哲学系Haikonen教授的研究团队则主要采用联想神经网络来进行机器意识系统的构建工作。自1999年以来，该团队开展了富有成效的研究工作。Haikonen教授在所提出的认知体系模型的基础上，构建了一个实验型认知机器人XCR-1系统。应该说，虽然Haikonen所开展的机器意识研究的出发点是为了揭示意识现象本性，但他的成果却是目前机器意识研究领域最为典范的工作之一。

在意识科学研究中，也有学者将人类的意识能力看作是一种高阶认知能力，提出意识的高阶理论。在机器意识研究中，以这样的高阶理论为指导，往往会采用传统的符号规则方法来建立某种具有自我意识的机器系统。其中，一个比较系统的研究工程就是意大利巴勒莫大学机器人实验室的Chella教授用10年时间开发的Cicerobot机器人研究项目。该机器人实现了一种自我意识的认知结构机制，该机制主要由三个部分构成：亚概念感知部分、语言处理部分和高阶概念部分。通过机器人的高阶感知(一阶感知是指对外部世界的直接感知，高阶是对机器人内部世界的感知)，就形成了具有自我反思能力的机器人。这项研究工作的主要特点是将逻辑形式化方法与概念空间组织相结合，强调对外部事物的一种心理表征能力，并对外部环境进行内部模拟。在高阶认知观点的自我意识建模研究方面，另一个做出突出贡献的是美国乔治梅森大学的Samsonovich教授率领的研究团队。该团队经过10余年的研究，开发了一个仿生认知体系GMU-BICA(George Mason University-Biologically Inspired Cognitive Architecture)。在该系统中定义的心理状态不但包含内容，还包含主观观察者，因此该系统拥有“自我”意识的主观能力。系统实验是利用所提出的认知结构模型来控制虚拟机器人完成一些简单的走迷宫活动，机器人可以表现出具有人类意识所需要的行为。相比而言，与Cicerobot机器人强调自我意识是反思能力的概念不同，GMU-BICA系统则将自我意识理解为“自我”的意识。当然，不管是Cicerobot还是GMU-BICA，这样的高阶认知模型往往对心理扫视、主观体验与统一意识等意识本质方面的表现兼顾不足。

除了上述介绍的这些有代表性的研究外，对于机器意识研究而言，还有如何判定机器具有意识能力的检验问题，这是目前机器意识研究领域十分重要的一个方面。显然，要判断开发的机器意识系统是否真正具备预期的意识能力，就需要开展相应的意识特性分析、评判标准建立以及检测方法实现等方面的研究工作。在这方面，由于目前对意识现象的认识存在许多争议，对于意识评测特性分析方面也难以有统一的认识。因此，目前的机器意识特性需求分析也比较零散。倒是在评判标准的建立方面，西班牙卡洛斯三世马德里大学计算机科学系Arrabales教授的研究团队做出了比较系统的研究。该团队自2008年开始就在这方面开展意识特性分析，给出了计算人工意识的一种量化测量方法ConsScale以及对感受质的功能性刻画。之后，该团队又进一步提出了ConsScale的修订版，并讨论了在机器中产生感受质和现象意识状态的可能性。最终，该团队成功构建了CERA-CRANIUM认知体系(采用意识全局工作空间理论建模)来检验产生的视觉感受质以及实现的内部言语。所有的这些成果为机器意识能力的初步检测提供了一种实用的标准。当然，也有将镜像认知看作是机器拥有自我意识能力的一种检测标准，该理论的依据是人类和其他一些动物能够在镜子中认出自己，这一能力被看作是拥有自我意识的明证。因此，Haikonen认为在镜像中的自我识别，即镜像测验，也可以用来确认机器潜在的自我意识能力。于是，在意识能力检测方法的研究中，许多研究工作都是通过镜像测试来确定意识能力的。但也有研究认为，镜像测验并不能证明意识能力的存在，要证明机器具有意识能力还需要通过更加复杂的测验。比如，Edelman就提出三种意识检验的途径，即意识的语言报告、神经生理信号以及意识行为表现。

总而言之，机器意识的研究主要围绕量子涌现机制、全局工作空间、信息整合理论、意识高阶理论以及意识能力检测这五个方面展开的。从研究的策略来看，主要分为算法构造策略(Algorithm)与仿脑构造策略(Brain-Inspiration)两种途径。从具体的实现方法上，主要可以分为三类：一是采用类神经网络的方法；二是采用量子计算方法；三是采用规则计算方法。虽然经过20多年的发展，机器意识的研究取得了众多的研究成果，但相对于人类意识表现方面，目前机器意识能力的表现还是非常局限的。根据笔者以及土耳其中东技术大学的Gök和Sayan发表的论文，目前机器意识系统主要具备的能力都是功能意识方面的，偶尔涉及自我意识和统一性意识(很难说是否真正实现了)。可见，意识计算模型的研究还有很长的路要走，特别是关于内省反思能力、可报告性能力、镜像认知能力、情感感受能力以及主观性现象等，这些方面更加需要进一步的研究和探索。

人类意识能力的唯识学分析

人类意识能力的基础是神经活动，尽管神经活动本身是意识不到的，也不是所有的神经活动都能产生意识，但神经活动却能够产生有意识的心理活动，这便形成了人类的意识能力。

根据现有的相关科学与哲学研究成果，人类意识的运行机制大致是这样的：物质运动变化创生万物，生物的生理活动支持着神经活动，神经活动涌现意识(有意识的心理活动)，意识感受生理表现并指导意向性心智活动的实现，从而反观认知万物之理。除了心理活动所涉及的神经系统外，主要的心理能力包括感觉(身体感受)、感知(对外部事物的感知能力，包括视、听、味、嗅、触)、认知(记忆、思考、想象等)、觉知(反思、意识、自我等)、情感(情绪感受)、行为(意志、愿望、情欲等)、返观(禅观、悟解)等。

必须强调的是，迄今为止，对有意识的心理能力最为系统解析的学说体系并非是现在的脑科学研究，而是起源于古印度的唯识学。唯识学所研究的对象就是心识问题，相当于本文界定的有意识的心理活动。如图1所示，其理论体系主要包括五蕴八识的心法体系。

第一，前五识归为色蕴，对应的心法称为色法，相当于当代心理学中的感知，其意识的作用称为五俱意识(所谓“俱”，就是伴随)。如果这种感知是真实外境的感知，则其伴随性意识称为同缘意识；如果是有错觉的感知，则称不同缘意识；如果这种感知活动产生后像效应，则称为五后意识(属于不相应法)。一般而言，色蕴对应的心理活动都是有意向对象的，因此属于意向心理活动。

第二，受蕴是一种心所法(具体的心理能力)，主要是指身体与情感状态的感受。注意这里要区分身识中的身体状态感受与色蕴是完全不同的心理能力，身识相当于触觉，是一种感知能力，而身体状态的感受不是感知能力，而是感受身体疼痛、暖冷等的体验能力。受蕴的心理活动，虽然具有意识，但不具有意向对象，因此不属于意向性心理活动。

第三，想蕴是另一种心所法，用现代认知科学的话讲，就是狭义的思维能力，如思考、记忆、想象等，属于认知的高级阶段，显然是属于意向性心理活动。

第四，行蕴也是一种心所法，主要指一切造作之心，用现代认知科学的话讲，如动机、欲望、意愿、行为等。唯识学中的“行”，与“业”的概念相互关联，一般分为三种，即身业(行动)、语业(说话)和意业(意想)，但都强调有意作为的方面，因此行蕴也属于意向性心理活动。

第五，识蕴是整体统一的心法，更加强调的是后两识(第七末那识、第八阿赖耶识)的心法，现代西方的认知科学尚无对应的概念。主要强调的是自我意识，特别是返观能力，即对根本心识的悟解能力。

总之，色蕴是色法(感知能力)，受蕴、想蕴、行蕴都是心所法(具体的心理能力)，它们本身就是具有意识的心理活动(统归于心法)，其中色法的意识作用是伴随性的五俱意识，其他三蕴的意识作用与伴随性的意识则又有不同，称为独散意识(受蕴、想蕴、行蕴所涉及的意识，是一种周遍性意识活动)。

当然，如果所有意识作用出现在梦中，唯识学中则另外称之为梦中意识(做梦时的意识活动，属于不相应法)。在唯识学的五蕴学说中，识蕴比较复杂，它是唯识理论特别单列的一种根本心法，除了强调自我意识的末那识“我执”外，更是强调达到定中意识的阿赖耶识“解脱”，属于去意向性心理活动。

总之，从意向性的角度看，我们的心理能力可以分为无意向性的受蕴，意向性的色蕴(前五识)、想蕴、行蕴，元意向性的意识以及去意向性的识蕴。其中，识蕴是一种特定的禅悟能力，对其性质的认识与禅宗的心法观有关。

机器意识研究面临的困境

对于目前的人工智能研究而言，我们涉及到的心智能力，如果按照五蕴分类体系来分析，那么大致只有色蕴、想蕴与行蕴中的部分能力。如果考虑目前有关机器意识的研究，也仅仅涉及到五俱同缘的伴随性意识、想蕴与行蕴中的独散意识、识蕴中的自我意识以及意识活动本身的机制问题，其他意识比如不相应法的梦中意识、五后意识、定中意识、五俱不同缘意识等都没有涉及。

根据上述有关心识能力的唯识学分析，对于机器而言，真正困难的机器意识实现问题是受蕴性独散心识(体验性意识能力)与识蕴性心识两个方面，一个涉及无意向心理活动的表征问题，一个涉及去意向性心理活动的表征问题，这两方面都是目前计算理论与方法无法解决的问题。反过来讲，机器最有可能实现的心智能力部分应当是那些具有意向性的心识能力(色蕴、想蕴与行蕴)，即唯识学心法中的色法与若干心所法。

很明显，意向性心理活动一定伴随有意向对象，于是就有可能对此进行计算表证，并完成相关的某种计算任务。因此，反过来说，我们认为意向性心理能力是人工智能的理论限度(是上界，但并非是上确界)，机器实现的人类意识能力不可能超越意向性心识的范围。这也就是本文观点讨论的基点，并具体给出如下方面论据的分析。

首先，我们来分析心智机器的成功标准。从我们的立场看，如果要构建具有人类心智能力的机器，成功的标准起码应该通过图灵测验。主要理由是，由于“他心知”问题的存在，行为表现可能是唯一的判断标准，此时图灵测验不失为一种可行的测试途径，关键是“巧问”的设计。原则上，图灵测验通过言行交流，这是人类之间默认具有心智能力的唯一途径。再者，根据摩根准则，在没有把握的情况下，宁肯选择比较简单的解释。因而，对图灵测验的解释中，也必须注意摩根准则，诸如机器思维或者机器经过思考的行动这类有关心智能力的假设在大多数情况下应该丢弃。

现在我们就来一场图灵测验，看看机器到底会遭遇什么样的困境。为了看清本质，我们的提问异常简单，就是进行如下提问(所谓“多大年纪”思想实验，参见笔者以前的文章“重新发现图灵测验的意义”)：你多大年纪？此时会发生怎样复杂的情形呢？当提问者一而再、再而三不断重复这一问题时，机器很快就会暴露出其致命的缺陷，就是缺乏不可预见性反应能力。那么，面对这么简单的提问，机器为什么会无所适从呢？其实这跟机器形式系统的局限性有关。众所周知，图灵机是个形式系统，而哥德尔不完全性说明足够复杂的形式系统不能证明某些真命题。这是否说明人的某些知识是计算机器永远不能得到的？或者反过来说，是否说明不是所有的知识都能形式化呢？这样就引出了如下第二个论据的讨论。

从形式系统角度看，确实存在不可计算(证明)的问题，而且是大量的，但这些问题对于人类同样也是不可计算(证明)的。比如图灵停机问题，如果换成了人，结果是一样的。至于知识，可能首先要分清知识的含义与性质，知识是动词还是名词，要不要考虑元知识？如果这样看待知识，那么肯定不是所有知识都可以形式化的。因此，我们可以发现，问题不在于形式系统是否有局限性，而在于对于意识现象能不能给出一致性的形式描述。

那么，我们可以对人类的意识现象给出一致性描述吗？回答显然是否定的。因为在人类的意识现象中，存在着意识的自反映心理现象：我们的意识活动是自明性的。从逻辑上讲，如果一个系统允许自涉，那么该系统一定是不一致的，也就是说无法对该系统给出一致性的形式化描述。其实，人类的心理活动本来就是建立在神经集群活动的自组织涌现机制之上的。因此，出现意识的自明性现象是必然的。这也就是美国哲学家普特南给出“钵中之脑”思想实验所要说明的道理。比如，对于“我们都是钵中之脑”命题，在事先并不知晓这一事实的前提下，使用知道逻辑的反证法，可以明确加以否定。因此，我们人类的意识能力，显然不可能为机器所操纵。这样，由于计算机器形式化能力的局限性，靠逻辑机器是不可能拥有人类全部意识能力的，起码意识的自明性能力不可能为机器所拥有。

进一步，作为第三个论据讨论，我们再来看人类的意义指称能力问题。我们需要明确的问题是：机器能处理符号，但它能真正理解符号所代表的意义吗？如果人的概念依赖于人类的躯体和动机(涉身性认知)，那机器怎么可能掌握它们呢？这个问题主要是指机器是否能够拥有指称能力。塞尔的“中文之屋”提出了反对意见。其实这个问题的关键还是要弄清什么是“意义”？如果意义是指所谓抽象的“概念”内涵而非表征形式，那么就必然存在一条语义鸿沟，因为机器内部能够处理或变换的只是不同的形式语言而已。但如果意义是指“行为表现”，那么这个问题就回到了上面图灵测验的第一个论据上去了。

人类语言表达意义不在语言形式本身，而在于意识能力。正因为这样，才会有许多超出常规的意义表达方式。从根本上讲，我们也不必一一列举机器难以拥有的指称能力，诸如矛盾性言辞、元语言表述以及整体性语境等难以一致性描述的状况；而只需指出，机器不可能拥有人类的终极指称能力即可。那么什么是终极指称能力呢？宋代临济宗禅师惠洪在《临济宗旨》中指出：“心之妙不可以语言传，而可以语言见。盖语言者，心之源、道之标帜也。标帜审则心契，故学者每以语言为得道浅深之候。”其中所谓的“心之妙”者，就是终极指称。由于超越了概念分别，是难以用语言来描述的，这就为形式化描述带来了根本的困境。

第四个论据的讨论涉及到所谓预先设定程序的问题。我们知道，目前的机器只能遵循给定的程序运行(预先设定的程序)，这样的话，机器又怎么可能拥有真正的创造性和灵活性？也许人工智能的目的就是要让机器的“计算”更加“聪明”，但目前预先设定程序的机器不可能是灵活的，更不用说创造性能力了。显然，事情越有规则，机器就越能掌控，这就是预先设定程序的界限。比如对于表面复杂结构的分形图案，由于可以靠简单规则加以迭代产生，机器就可以靠预先编程规则自如产生。但是对于人类常常出现的出错性，由于毫无规律可言，机器便不可能预先加以编程，机器也就不可能拥有出错性了。人是易于犯错误的，而机器按照设定的程序运行，永远不会出错，这就是预先编程的一个致命弱点，这也是第一个论据讨论中机器无法通过图灵测验的根本原因。

要知道出错性表面上似乎是一个负面品质，但其实质上则包含着灵活性和创造性，是一切新事物涌现机制的基础。如果没有生物基因的出错性，自然选择就没有了作用的对象，繁复的生物多样性也就无从谈起。同样，如果没有了思想模因的出错性，文化选择也同样没有了作用的对象，博大的思想多样性同样无从谈起。可见，出错性是机器难以企及人类心智能力的一个分界线，而这一切都归结为机器的预先编程的局限性。

同样的道理，由于预先编程问题，也带来了机器不可能真正拥有情感能力的新问题，这也构成了机器难以拥有人类心识能力的第五个论据。我们知道，情感从某种意义上讲就是常规理性活动过程中的“出错性”，是非理性的，但基于逻辑的机器是理性的。也许人们会说，非理性的情感在心理表现中是不重要的，甚至是不起作用的。但我们要强调，即使是理性思维，情感和其他非理性因素也在其中扮演重要角色(倾向性指导作用)。如果说理性的认知能力是前进的方向，那么非理性的情感能力就是前进的动力，人类的心理活动中岂可或缺情感能力？！而对于机器而言，缺少了情感能力，机器怎么能够像人类一样思维？！

机器是逻辑的，难以体现情感本性，目前有关情感的计算只是实现了情感的理性成份。笔者比较赞同这样的观点：理智是方向性的舵手，情感是驱动性的马达，在航行中情感与理智相互依存。因此，如果情感不能计算，那么也谈不上实现人类意识的计算，因为情感难以计算的本质就是意识的感受问题。

机器能拥有意识能力吗

通过上述对机器实现人类心智能力所面临的困境的讨论，就可以进一步引申出机器是否能够跟人类一样拥有意识能力的问题。为了避免陷入不必要的信念之争，笔者认为学术辩论主要应对事实或可能事实开展分析讨论。由于计算机器的概念相对明确，争论的焦点多半会聚焦到有关人类“意识能力”的界定之上。所以，下面先给出笔者所理解的人类“意识能力”的分析描述，然后再围绕着我们讨论的主题，展开观点的陈述。

意识包括功能意识、自我意识和现象意识，其中功能意识大体上涉及到意向性的心理能力，除了前面已经讨论过的五个论据外，似乎并不存在特别的新困难。但自我意识和现象意识则不同，由于涉及到去意向性和非意向性的表征问题，这便构成了机器心识的最大困扰。首先，我们要清楚“自我意识”不是关于“自我”的意识，而是一种自身内省反思能力。因此，自我意识是意识的核心功能。其次，我们必须澄清所谓的“体验意识(qualia)”到底指什么？是精神的本性，还是虚构的对象？这涉及到哲学基本问题，非常复杂，观点纷呈。机器能否拥有意识能力的核心问题，其实就在于此。

由于涉及到心灵的一些本质问题，机器意识研究一开始就引起了哲学领域的广泛关注，有专家专门讨论机器意识研究的哲学基础，也有学者讨论机器意识会面临的困难，包括像意识(consciousness)、感受质(qualia)和自我觉知(self-awareness)这些回避不了的、显而易见的困难问题，以及一些与意识相关的认知加工，如感知、想象、动机和内部言语等方面的技术挑战。除此之外，更多的则是延续早期对人工智能的哲学反思，对机器意识的可能性提出质疑。涉及到强弱人工智能之争、人工通用智能问题、意识的难问题、“中文之屋”悖论的新应用、人工算法在实现意识能力方面的局限性、蛇神机器人不可能拥有主观性、现象意识等众多方面的争论。

那么机器能够拥有这种现象意识状态吗？对于现象意识的存在性问题，有截然相左的两种观点。一种是神秘论的观点，认为我们神经生物系统唯一共有的就是主观体验，这种现象意识是不可还原为物理机制或逻辑描述的，靠人类心智是无法把握的。另一种是取消论的观点，认为机器仅仅是一个蛇神(zombie)而已，除了机器还是机器，不可能具有任何主观体验的东西。在这两种极端观点之间，还存在各种不同偏向的观点，如还原论、涌现论、唯心论、二元论，等等。其实，依笔者看来，无需做上述复杂的讨论，只须从意向性的角度来看，便可以澄清机器意识的可能性问题。笔者观点是，凡是具有意向性的心理能力，理论上机器均有可能实现，反之则肯定不能实现。因为一旦缺少了意向对象，机器连可表征的内容都不存在，又如何形式化并进行计算呢！

通过上述分析讨论，可以发现，机器意识难以达成的主要困境可以归纳为这样三个方面。第一个是形式化要求，特别是一致性要求导致的局限性，使得机器智能局限于具有意向性的心识能力，如色蕴、想蕴、行蕴。第二个则是机器缺乏不预见性的反应能力，只能通过预先设定的程序来应对环境。第三个就是无法拥有终极指称能力，无法实现去意向性的识蕴能力。最后补充一点则是，对于涉及到现象意识的感受性能力(受蕴)，由于没有意向对象可以作为形式化的载体，因而对其进行的计算完全无从入手。

于是，我们可以很清楚地看到，意向性就是实现机器意识能力的一条不可逾越之界线。用数学的术语说，机器能够拥有的意识能力的上界就是意向性心识能力。当然这并非是上确界，因为不可预见性的反应能力也属于意向性能力，但从前面的分析中可以看出，目前基于预先编程的机器仍然无法拥有不可预见的反应能力。或许我们可以期待更为先进的量子计算机器来突破预先编程能力，但意向性心识能力的边界，依然是无法突破的。

因此，当我们把目前有关机器意识的研究分为面向感知能力实现的、面向具体特定意识能力实现的、面向意识机制实现的、面向自我意识实现的以及面向受蕴能力实现的这五个类别时，就可以同唯识学中意识的五蕴学说相对比，从而更加清楚地认识其中的本质问题所在。我们的结论是，对于机器意识的研究与开发，应当搁置有争论的主观体验方面(身心感受)的实现研究，围绕意向性心识能力(环境感知、认知推理、语言交流、想象思维、情感发生、行为控制)，采用仿脑与量子计算思想相结合的策略，来开发具有一定意向能力的机器人，并应用到社会服务领域。

机器意识研究未来展望

围绕着上述分析所得出的主要结论，我们认为，未来机器意识的研究，主要应该开展如下5个方面的研究工作。

首先，构建面向机器实现的意识解释理论。由于意识问题本身的复杂性，目前存在众多不同的意识解释理论，其中只有部分理论用于指导机器意识的研究。为了更好地开展机器意识研究工作，取得更加理想的机器意识表现效果，必须直接面向机器意识实现问题本身，综合并兼顾已有意识解释理论，提出一种更加有利于机器意识研究的、有针对性的、全新的意识解释理论。提出的新理论应该不但能够清晰地刻画各种意识特性及其关系，而且应该符合机器意识实现的要求，更好地用以指导机器意识的开展。为此，具体需要开展现有意识解释理论的梳理研究、机器意识限度与范围的分析研究、意识特性刻画标准规范的构建研究等方面的研究工作。

其次，探索机器意识的计算策略与方法。过去的研究表明，要想让机器拥有意识能力，传统的人工智能方法是无能为力的，我们必须寻找全新的计算方法。因此，机器意识的深入展开，需要有不同于传统人工智能的计算策略和方法。就目前机器意识研究中所遇到的问题而言，在计算方法方面起码需要开展亚符号(神经信号)表征到符号(逻辑规则)表征之间的相互转换计算方法、在非量子体系中实现类量子纠缠性的计算方法，以及神经联结与符号规则相互融合的计算方法等方面的研究。而在计算策略方面则需要开展仿脑与算法相结合策略的研究。只有确定了行之有效的计算策略和方法，才能真正推动机器意识进一步深入发展。

第三，构建机器意识的综合认知体系。作为机器意识研究的主要任务，就是要构建具有(部分)意识现象表现的机器认知体系。给出的意识机器认知体系应该满足一些基本需求，起码应该包括：实现具有感受质和外部感知对象的感知过程；实现过程内容的内省反思；允许各模块无缝整合的可报告性以及配备本体感知系统的基本自我概念。因此，这部分的研究内容应该结合机器意识计算策略与方法的探索，参照已有各种机器意识认知体系的优点，有针对性地进行构建工作，以期满足基本的意识特性需求。

智能机器人论文篇2

中图分类号：TP18 文献标识码：A文章编号：1009-3044(2007)16-31117-02

The Artificial Intelligence Research Needs New Theories Breakthrough-The Theories Model that the Strong Artificial Intelligence Carries Out

ZHAO Jing-ming

(Training Centre of Peking BUCC,Beijing 102218 China)

Abstract：The development history and obtaining achievement of artificial intelligence about domestic and international is reviewed briefly.. Analyze existent problem of artificial intelligence studying present based of introducing artificial intelligence various cognize concepts, Putting forward people should knows the new theories breakthrough and practice project from the energy and the energy feeling and designs from the innovation and the faultiness design etc. and put forward the theories model of strong artificial intelligence to carry out on what

Key words:The artificial intelligence;cognition;energy feeling;faultiness design

1 引言

1956年夏季，人类历史上第一次人工智能研讨会在美国的达特茅斯(Dartmouth)大学举行，标志着人工智能学科的诞生。“人工智能”英文为artificial intelligence简写ai，它的产生和发展是以计算机硬件与软件技术的产生和发展为基础的，而且一直都处于计算机技术的最前沿，它吸引了全世界无数研究人员为之奉献才智，从美国的麻省理工学院(mit)、卡内基-梅隆大学(cmu)到ibm公司，到日本的本田、sony等公司以及国内的清华大学、中科院等科研院所等，全世界的实验室都在进行着ai技术的实验。经过漫长的50年不懈的努力，人类已经在人工智能领域取得了卓越的成就。从“旅居者”（1997年7月4日，美国国家航空与航天局的“旅居者”机器人完成了它到火星长达1290万公里的旅行），到“会跳舞的机器人”（日本2007年最新产品），人类正用我们的智慧，在人工智能的领域，创造着一个又一个的奇迹。进入新世纪，特别是近二十年，由于计算机软/硬件技术的快速发展，使得人工智能理论得以充分实践，人工智能学科及其“智能制品”的重要作用已为人们普遍共识。随着人工智能理论和技术的更进一步发展，作为一门广泛的交叉和前沿科学，人工智能技术的发展情况已经成为一个国家科技进步和科技实力的一个标志。人工智能科技新成果必将在更大的广度和深度上造福于人类。

近些年，我国人工智能科学发展迅速，在这一领域已形成自主研究重大科学前沿的能力，并在一些重要研究领域走在了世界的前列，特别是一批创新成果的实际应用令人鼓舞。2005年7月，哈尔滨工业大学洪炳熔教授推出的机器人足球竞赛系统在国际机器人足球联盟（FIRA）世界杯机器人足球大赛中国队选拔赛上，夺得全自主型、类人型、编队型、追捕型4个项目比赛的冠军和全自主型项目比赛的亚军。2007年4月新华网消息，一种专门应用于反恐领域的“爬壁机器人”在哈尔滨工业大学诞生，它可以携带侦查设备悄无声息地沿壁面爬到便于侦查的位置，为反恐人员准确判断形势、做出决断提供现场依据。这种爬壁机器人采用负压吸附、单吸盘、四轮移动结构方式，具有移动快、吸附可靠、适应多种墙壁表面、噪声低、结构紧凑、控制方便灵活等特点，主要应用于反恐侦查领域。虽然我国在人工智能领域已经取得了一定的成绩，但是，我们仍不能回避目前人工智能理论以及技术上存在的局限性，这些问题制约了人工智能技术的进一步发展。人工智能理论发展到现在，它的突破是首先我们研究人工智能不可回避问题。

2 人工智能的起源与发展

人工智能的发展是以硬件与软件为基础的，经历了漫长的发展历程。特别是20世纪30年代和40年代的智能界，发现了两件重要的事情：数理逻辑和关于计算的新思想。以维纳（Wiener）、弗雷治、罗素等为代表对发展数理逻辑学科的贡献及丘奇(Church)、图灵和其它一些人关于计算本质的思想，为人工智能的形成产生了重要影响。

1956年夏季，人类历史上第一次人工智能研讨会在美国的达特茅斯(Dartmouth)大学举行，标志着人工智能学科的诞生。

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《人工智能》国际杂志(International Journal of AI)创刊。这些对开展人工智能国际学术活动和交流、促进人工智能的研究和发展起到积极作用。

20世纪70～80年代，知识工程的提出与专家系统的成功应用，确定了知识在人工智能中的地位。

近十多年来，机器学习、计算智能、人工神经网络等和行为主义的研究深入开展，形成高潮。同时，不同人工智能学派间的争论也非常热烈。这些都推动人工智能研究的进一步发展。

我国的人工智能研究起步较晚。纳入国家计划的“智能模拟”研究始于1978年；至今已有10来部国内编著的具有知识产权的人工智能专著和教材公开出版。中国的科技工作者，已在人工智能领域取得许多具有国际领先水平的创造性成果。其中，尤以吴文俊院士关于几何定理证明的“吴氏方法”最为突出，已在国际上产生重大影响。现在，我国已有数以万计的科技人员和大学师生从事不同层次的人工智能研究与学习。人工智能研究已在我国深入开展，它必将为促进其它学科的发展和我国的现代化建设做出新的重大贡献。

3 人工智能研究理论存在的问题

人类的智能过程是一个随着时间、地点、环境的不断变化而不断变化的全方位、极其复杂的心理和生理变化过程。在人工智能领域，人们的意图是希望用机器模仿人类智能，然而，我们人类对于自身的智能过程的了解并不完全，且不同的人对人工智能的理解也不同。这就造成目前在人工智能领域存在各家说法。而所有的说法都是基于对人类的智能过程简化的基础之上的。以下是传统理论对人类认知活动和计算机的比较：

图1 人类认知活动与计算机的比较

令T表示时间变量，x表示认知操作，x的变化x为当时机体状态S（机体生理和心理状态及脑子里的记忆等）和外界刺激R和函数。当外界刺激作用到某一特定状态的机体时便发生变化，用函数表示

为：

x＝f（S,R）TT+1（3.1）

从某种意义上讲，这是一个成功的比较，因为它使得计算机模拟人类智能成为可能。长时间以来，人们并不怀疑这一比较，因为这一比较的基础之上人工智能领域取得了巨大的成绩，为社会和科技的发展作出了巨大贡献。

基于此比较基础上的前人工智能的主要学派有下列3家：

（1）符号主义(Symbolicism)，又称为逻辑主义(Logicism)、心理学派(Psychlogism)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。符号主义 认为人工智能源于数理逻辑。符号主义仍然是人工智能的主流派。这个学派的代表有纽厄尔、肖、西蒙和尼尔逊(Nilsson)等。

（2）联结主义(Connectionism)，又称为仿生学派(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。联结主义 认为人工智能源于仿生学，特别是人脑模型的研究。

（3）行为主义(Actionism)，又称进化主义(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。行为主义 认为人工智能源于控制论。这一学派的代表作首推布鲁克斯(Brooks)的六足行走机器人，它被看做新一代的“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。

无论是哪一种理论，其研究的方向始终没有脱离一个集中的点，即让机器模仿人类智能。三大学派从人类的对知识的认知过程的不同角度进行理论研究，试图实现机器的“人化”，侧重于“人化”的可行性。然而，无论是哪一种学派的理论，都忽略了人类的一些基本特点。笔者认为，前人对人类对与知识的认知过程的简化过于简单，从而造成目前人工智能领域的研究达到一定程度后就难以取得更进一步的进展。以下基本问题不容忽视：

（1）能量以及能量感知问题，人类智能的能量基础是食物。人类通过摄取食物，并通过复杂的消化和吸收过程转化为能量，供人类智能与体能消耗。人类的能量蓄积在人体的每一个细胞中，无论哪一部分发生刺激或是空气流动、温度变化和光线强弱变化，不管他（或她）的眼睛是否看到，在那里都会发生“条件反射”，这种“反射”可以先大脑一步避开危险和伤害或是适应，这里我们称为能量感知问题。现阶段在人工智能领域的研究中，大家几乎不约而同地想当然的将电能作为人工智能的能源问题，将“芯片”作为机器人的“大脑”全权处理一切问题和指令。在这种模式下，机器人只能依靠“眼睛”去识别外界条件的变化和刺激的发生，这种识别是不全面的而且是滞后的，它必须是经过“大脑”才能发生的。而电能也将成为人工智能的发展的障碍，试想，如果机器人登上了一个遥远的星球或来到一个渺无人烟的荒漠执行任务，那么当它储存的电能将要用尽时，它将不得不返回出发地，而不管它的任务是否已经圆满完成。目前，太阳能技术得到不断发展，将会使得人们将其作为人工智能的替代能源。利用太阳能转化成电能，将会使人工智能制品的能源得到源源不断的补充，我们可以不必再担心电能耗尽带来的诸多不便。然而，将太阳能能量转换技术和计算机技术结合起来，让机器人具有能量感知功能，即令它的每一组成部分都具有全方位立体即时感知和条件反射功能，这个过程的研究和实现还将是个漫长的过程。

（2）自创新问题，人类历经世世代代的发展，不断创新才有今天的面貌，机器如果只是依据设计好的程序存储、搜索、推理、执行相应的逻辑或条件，其反映出的智能只是人类智能的复制与模拟，尽管有时它甚至可以超过人类，如“博弈”。目前在人工智能领域有学者将人工智能划分为强人工智能和弱人工智能。强人工智能观点认为有可能制造出真正能推理（Reasoning）和解决问题（Problem_solving）的智能机器，并且，这样的机器能将被认为是有知觉的，有自我意识的。强人工智能可以有两类：类人的人工智能，即机器的思考和推理就像人的思维一样。非类人的人工智能，即机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。弱人工智能观点认为不可能制造出能真正地推理（Reasoning）和解决问题（Problem_solving）的智能机器，这些机器只不过看起来像是智能的，但是并不真正拥有智能，也不会有自主意识。目前的主流科研集中在弱人工智能上，并且一般认为这一研究领域已经取得可观的成就。强人工智能的研究则出于停滞不前的状态下。这里的强人工智能从某种意义上讲，即机器的自创新问题。那么，如何解决机器的自创新问题即成为强人工智能研究的关键问题。本文中笔者就此问题提出自己的观点：

首先，强人工智能是可能的。下面是人类创新过程与机器创新过程的比较。

从图2与图3的比较中我们发现，如果能够使计算机进行逻辑组合并实现完全自存储功能，那么具有自主意识的强人工智能机器是完全可以实现的。

图2 人类对知识的认知与创新过程的简单模型

图3 计算机对知识的认知与创新过程的简单模型

其次，强人工智能机器需要解决如何自动无限接收外界信息与能量感知问题，如何进行信息自动分拣、归类、逻辑推理、如何进行完全自存储以及逻辑整合与组合等问题。这些问题的研究应作为未来强人工智能的研究方向。

（3）忠诚问题，人类一旦创造出可以自创新的真正意义上的机器人，也就是说机器人一旦拥有了自己的意识，那么如何控制“它” 使“它”忠诚于人类，将是摆在人类面前的又一难题。弱人工智能机器只是按照人类设计好的程序和指令执行某一方面的特定任务，比如，“会跳舞的机器人”只会跳舞，“它”可以伴随音乐节奏与人合作跳各种舞蹈，但“它”却不能创造新的舞蹈。对于弱人工智能机器，我们不必担心“它“的忠诚问题，因为“它“不会摆脱程序的控制。由于自创新机器人，或者说“强智能机器人”存在意识，“它”可能会拒绝人类的建议和改变并可能按照“自己的意愿”自身完成改变，“它”甚至有可能变成人类的敌人。要解决机器人

的忠诚问题，唯一的途径就是进行“缺陷设计”。人类认知过程中的缺陷是“遗忘”和“生老病死”，这是机器人所不具备的。强人工智能机器人如果能够依照“自己的意愿”完善自己，那么人类赋予机器的缺陷应该是机器人自身难以实现的。

4 结束语

21世纪是信息化在全球普遍开展的时代，作为现代信息技术的精髓，人工智能技术的发展情况已经成为一个国家科技进步和科技实力的一个标志。我国人工智能研究已经从学习国外为主的时期进入自主研究为主的时期，形成了自主研究重大科学前沿和转化科技成果的新局面。但是，我们仍不能回避目前人工智能理论以及技术上存在的局限性，而要解决如何自动无限接收外界信息与能量感知问题，如何进行信息自动分拣、归类、逻辑推理、如何进行完全自存储以及逻辑整合与组合等问题，赋予机器真正意义上的智能，这些问题的研究应将是未来人工智能研究人员需要长期面对的问题。

参考文献：

[1]蔡自兴, 徐光v. 人工智能及其应用[M].北京：清华大学出版社，2003.

[2]何华灿. CAAI-7全国人工智能会议论文集[D]. 中国人工智能学会，1992,4.

[3]朱淼良, 潘云鹤.中国人工智能学会第八届年会暨第八届全国人工智能学术讨论会论文集[D].杭州：浙江大学出版社, 1994.

[4]中国人工智能学会.中国人工智能进展[M]. 北京邮电大学出版社，2001.

智能机器人论文篇3

中图分类号：G642　文献标识码：A

1　引言

智能科学与技术学科以计算机科学为基础，结合了认知科学、信息学、控制科学、生命科学、语言学等学科的相关理论和研究方法，是一门新兴的交叉学科，将成为21世纪信息科学研究的制高点和信息产业价值的主要提升点。

在国外，许多著名高校都设立了“人工智能”专业并授予智能科学专业学位：世界多数知名的理工类院校都设立有人工智能研究所或实验室，进行智能科学专业的研究生培养及科研工作。在国内，智能科学与技术专业起步则较晚：2003年12月5日，教育部正式批准北京大学信息科学技术学院设立“智能科学与技术”本科专业，这标志着我国“智能科学与技术”专业的诞生。

厦门大学在智能科学与技术领域已经有多年的研究积累和师资储备。2006年12月，教育部正式批准厦门大学设立“智能科学与技术”本科专业，2007年6月6日，厦门大学智能科学与技术系经学校批准成立，并于2007年9月迎来了第一届本科生。本文将简要介绍近几年来厦门大学“智能科学与技术”专业的建设情况。

2　厦门大学智能科学与技术相关领域的科学研究进展

厦门大学在智能科学与技术领域的研究已开展了多年。早在1988年，学校就成立了校级科研机构――“厦门大学人工智能与计算机研究所”，目前，经厦门大学批准，正式更名为“厦门大学人工智能研究所”。它是一个以实用智能技术研究为主、集基础研究与应用开发于一体的研究机构，是厦门大学组建智能科学与技术系的主要基础。

厦门大学智能科学与技术系面向国际学科发展趋势和国家发展的重大需求，利用人工智能研究的方法和手段，不断开辟新的研究领域，逐渐确立了语言信息处理、认知计算、智能信息检索、中医信息处理、视频图像处理、智能机器人等主要研究方向。在语言信息处理方面，现设手写汉字识别、自然语言理解、机器翻译、语料库技术等研究领域；在认知计算方面，现设觉知计算、脑机接口、机器感觉、隐喻逻辑等研究领域；在智能信息检索方面，现设文本信息过滤、信息检索、信息提取、智能数据挖掘、Web挖掘等研究领域；在中医信息处理方面，现主要研究开发多媒体中草药智能查询系统、基于舌象中医智能体检系统；在视频图像处理方面，现设图像数据库、生物特征识别、遥感图像、地理信息系统等研究领域。2008年，系里引进了被称为“人工大脑之父”的著名学者Hugo de Garis教授，并以他为首组建了人工大脑研究室，该研究室的目标是，经过三年左右的时间，建设中国首个人工大脑。

经过十几年的不懈努力，我们在上述研究领域均取得了一批有影响的重要研究成果，在我国学术界具有一定的学术地位，获得数十项国家和省部级项目经费的支持。目前在研的项目有国家自然科学基金项目3项、国家863项目2项、国家863子项目2项、福建省自然科学基金项目1项、福建省科技计划重点项目2项。在汉字识别、词语切分标注、语法分析、词义消歧、指代消解、语言神经基础、汉语理解策略、网上信息的选择翻译、统计机器翻译、语音识别与合成、计算机音乐、计琴学等诸多方面进行了有特色的研究，形成了具体的算法，并且还提出了一种系统性的协动计算理论，出版专著5部，数百篇，其中近三年被EI、SCI等检索的论文达200余篇。

在基础理论研究的基础上，智能科学与技术系还十分注重产学研结合，先后与北京德威特电力系统自动化有限公司和深圳名人电脑等公司进行合作研发，广泛开展应用系统的研制开发，主要包括：手写汉字机器识别系统、汉语分词和词性标注系统、机器翻译系统以及网上汉语文本分类和信息过滤系统。其中，手写汉字机器识别系统获浙江省教育厅科学技术进步三等奖：机器辅助汉英互翻系统获福建省科技厅科技进步三等奖；汉语分词和词性标注系统获得2003年863中文信息处理评测第二名：机器翻译系统(包括XMMT汉英机器翻译系统、Matrix英汉机器翻译系统、Light英汉机器翻译系统和Neon英汉双向机器翻译系统)在863智能接口评测中多次名列前茅，形成多项产品，技术授权国内多家单位使用。

在科研平台建设方面，智能科学与技术系发挥厦门大学多学科交叉的优势，联合人文学院、外文学院和海外教育学院华文系的学术力量，于2003年成立了“厦门大学语言技术中心”，其中，汉外多语言机器翻译为主攻方向之一。2006年获批了“智能信息技术福建省高校重点实验室”；目前，以人工大脑相关内容为研究核心的“福建省仿脑智能系统重点实验室”也已获批。

3　厦门大学“智能科学与技术”专业建设情况

厦门大学智能科学与技术系现有一个本科专业(智能科学与技术)，三个学术型硕士学位授予专业(人工智能基础、模式识别与智能系统、计算机应用技术)，一个“计算机技术”工程硕士培养方向(智能工程及网络安全方向)，一个博士学位授予专业(人工智能基础)。现有在校本科生近90人，硕士研究生80多人，博士研究生25人，博士后2人。本系教职工近30人，其中：教授5人，副教授5人，80％具有博士学位或者博士在读，40岁以下的年轻教师占2／3。

3.1　本科生专业建设

在本科生培养方面，厦门大学智能科学与技术系的目标是要求学生能够有效和系统地掌握本学科的理论基础，比较深入地理解智能科学与技术理论；培养具有一定的分析、综合和创新能力，能够承当智能信息系统设计、开发和智能科学与技术学科教学任务的，德、智、体全面发展的科学技术工作者：毕业生适宜到科研机构、学校、技术或行政管理部门、公司、厂矿等企事业单位从事科技研究、应用开发、信息管理和教学工作，也可以进一步攻读该专业及相关专业的硕士学位。

为了实现上述目标，我们遵循“宽口径、厚基础、抓关键、重实践”四项基本原则，制定了较合理的教学计划，在本科一、二年级安排公共基本课程、校通识教育课程、院系通修课程；从二年级下学期开始结束院系通修课程，转而推出部分学科通修课程，向专业化过渡，三年级开始加入方向性选修课程。其中，公共基本课程621学时、33学分；校通识教育课程262学、15学分；学科通修课程1544学时、90学分；方向性课程120学时、分；学科跨方向性课程108学时、6学分。这样的安排能真正使学生在获得扎实而宽厚的理论基础、合理的知识结构的同时，培养较强的获取新知识的能力和创新精神。

为了能切实提高学生的动手实践能力，我们在办学过程中十分重视和强调实践环节的训练并倡导理论与实际 相结合，已经规划建设一个特色实验室――“仿脑认知与智能机器人”实验室，可支撑仿脑认知与智能机器人两个方向相关课程的教学实验，总经费预算100万元。依托该实验室，结合相关课程，高年级本科生可以进行“心理物理测试实验”、“眼动测试实验”、“面部表情与脑电对照实验”、“行为学与智能关系测试实验”、“机器人避障行走路径规划”、“机器人目标识别与跟踪”、“机器人声控实验”、“机器人智能语言翻译”、“机器人足球比赛”等众多特色实验。

3.2　研究生专业建设

厦门大学智能科学与技术系的研究生培养以加强创新能力的培养为核心，以加强基础课、专业课，实验实践教学、论文创新写作、促进理论与实践相结合为重点，包含硕士研究生和博士研究生两个培养层次。其中，硕士研究生层次又分为学术型研究生和工程硕士两种类型，分别进行培养。

在学术型硕士研究生培养方面，我们的目标是培养适应智能科学与计算机科学的发展，适应国家社会发展与进步事业需要的，德、智、体、美全面发展，系统地掌握本学科基本概念、基本原理、基本方法、基本技能的，具有创新能力、理论联系实际的高级专门人才和能适应未来从事基础研究、应用基础研究、技术开发研究和工程应用研究之人才。毕业生适宜到科研部门、学校从事科学研究和教学工作；适宜到计算机产业相关的企事业单位从事智能科学与计算机科学技术的开发研究、应用与管理等工作；可以继续攻读智能科学与计算机科学及其相关学科的博士学位。目前包含“人工智能基础”、“模式识别与智能系统”和“计算机应用技术”三个专业。其中，“人工智能基础”专业包含如下培养方向：认知科学理论、认知逻辑学、计算语言学、智能计算方法、艺术认知与计算、脑高级功能成像等；“模式识别与智能系统”专业包含如下培养方向：计算机视觉、机器翻译系统、智能中医诊断系统、机器音乐、模式识别、音频信息处理等：“计算机应用技术”专业包含如下培养方向：人工智能应用技术、自然语言处理技术、智能信息检索技术、多媒体综合应用技术、图像与视频处理技术、虚拟现实技术等。

在工程硕士培养方面，目前智能系招收“计算机技术”工程硕士――B方向(智能工程及网络安全)的工程硕士研究生，目标是培养具有扎实的计算机学科专业知识和工程技术能力，掌握现代智能与网络科学前沿知识，在智能工程与网络安全方向具有一定研究深度和项目研发能力的高层次应用型人才。培养方向包括：嵌入式智能家居、视频图像处理、网络视觉监控、模式识别与智能系统、智能机器人、网络内容监管、黑客与网络攻防技术、网络信息安全、信息检索与信息过滤、自然语言处理、机器翻译、语音识别与合成、智能中医信息处理、人工大脑、虚拟现实技术等。

在博士研究生培养方面，设有“人工智能基础”博士学位授予专业，目标是培养基础扎实，具有创新意识，对某一领域有全面深入了解或对某一应用领域有独立解决实际问题的能力，能够解决前人未能解决的科学问题或社会发展中亟待解决的技术问题的高级专业人才：其研究工作对科学技术或社会经济的发展具有明显贡献，为人工智能技术发展和应用提供新的基础或新技术、新方法。培养方向包括：人工智能以及应用技术、艺术认知与计算、数据挖掘技术、认知神经科学、软计算方法及其应用、智能多媒体信息处理、脑功能成像技术等。

智能机器人论文篇4

中图分类号:TP18 文献标识码:A文章编号:1009-3044(2010)13-3507-03

Artificial Intelligence Overview

HU Qin

(Baiyun Middle School in Zongyang Country, Anqing 246728, China)

Abstract:The paper introduces current general research and hot research topic of artificial intelligence. The paper looks forward to the future development direction of artificial intelligence. In addition, the paper analyzes implication of concepts, theoretical foundation, discipline system, scientific approaches, scientific significance and application value of generalized artificial intelligence.

Key words: artificial intelligence; artificial intelligence research; generalized artificial intelligence

人工智能是计算机学科的一个分支,是一门正在发展中的综合性的前沿学科,它是研究人类智能活动的规律,并用于模拟、延伸和扩展人类智能的一门新的技术科学,是在计算机、控制论、信息论、数学、心理学等多种学科相互综合、相互渗透的基础上发展起来的一门新兴边缘学科[1]。人工智能目前已在指纹及人脸识别、专家系统、智能搜索、定理证明、博弈、自动程序设计以及航空航天领域取得了广义的应用。

1 人工智能研究概况

当20世纪40年代数字计算机研制成功时,当时的研究者就采用启发式思维,运用领域知识,编写了能够完成复杂问题求解的计算机程序,包括可以下国际象棋和证明平面几何定理的计算机程序[2]。运用计算机处理这些复杂问题的方法具有显著人类智能的特色,从而导致了人工智能的诞生。1956年,McCarthy决定把Dartmouth会议用人工智能来命名,开创了具有真正意义的人工智能的研究。

图灵(Alan Turing)所著的“计算机器与智能”[3]讨论了人类智能机械化的可能性,提出了图灵机的理论模型,为现代计算机的出现莫定了理论基础。同时该文中还提出了著名的图灵准则,在人工智能研究领域,“图灵检验”已成为最重要的智能机标准。同一时期,Warren McCullocli和Walter Pitts发表了“神经活动内在概念的逻辑演算”的开创之作[4],该文证明了:一定类型的可严格定义的神经网络,原则上能够计算一定类型的逻辑函数并开创了当前人工智能研究的两大类别:“符号论”和“联结论”。

从20世纪60年代至70年代初,人工智能领域有影响的工作是通用问题求解程序,主要包括:Robinson于1965年提出了归结原理,成为自动定理证明的基础[5] ;Feigenbaum于1968年研制成功了DENDRAL化学专家系统,是人工智能走向实用化的标志。Quillian于1968年提出了语义网络的知识表示等。20世纪70年代,人工智能研究以自然语言理解、知识表示为主。Winograd于1972年研制开发了自然语言理解系统Shrdlu,同时期Colmeraue创建了Prolog语言。Shank于1973年提出了概念从属理论。Minsky于1974年提出了框架知识表示法。1977年,Feigenbaum提出了知识工程,专家系统开始得到广泛应用。

20世纪80年代以来,以推理技术、知识获取机器视觉的研究为主。开始了不确定性推理和确定性推理方法的研究。日本计算机界推出了“第五代计算机研制计划”,该计划最终未能实现当初的目标―以非数字化方式在日常范围内全面的模仿人类行为,但该计划也为人工智能的进一步发展积累了很多经验。20世纪90年代,人工智能研究在博弈这一领域有了实质性的进展。1997年5月11日,一个名为“深蓝”的IBM计算机以2胜1负3平的成绩战胜了国际象棋世界冠军卡斯帕罗夫,这举世震惊的一步大大地振奋了整个人工智能界,而事实上“深蓝”打败卡斯帕罗夫仍是从专家系统提供的所有可能的走步中选择最优的,并未有理论上的实质性的突破。

中国人在人工智能领域的突出贡献主要有:1960年,华裔美国数理逻辑学家王浩提出了命题逻辑的机器定理证明的新算法,利用计算机证明了集合论中的300 多条定理。1977 年, 我国数学家、人工智能学家吴文俊提出了初等几何判定问题的机器定理证明方法,并进一步推广到初等微分几何、非欧几何领域,被称为“吴氏方法”。 80-90年代,我国高等院校和研究机构在智能控制与智能机器人的研究开发方面,取得了丰硕的成果。

回顾人工智能发展的历史进程,从科学方法论的角度分析,其发展有三条途径,分别是结构模拟、功能模拟和行为模拟。在学术观点上有人工神经网络、专家系统和智能机器人三大学派。

2 人工智能当前的热点研究

人工智能学科研究的主要内容包括:知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。目前人工智能研究的3个热点是: 智能接口[6]、智能信息处理[7]、主体及多主体系统[8]。

2.1 智能接口技术

智能接口技术是研究如何使人们能够方便自然地使用计算机。这一目标的实现要求计算机能够看懂文字、听懂语言,甚至能够进行不同语言之间的翻译,而这些功能的实现又依赖于知识表示方法的研究。因此,智能接口技术的研究既有巨大的应用价值,目前,智能接口技术已经取得了显著成果,文字识别、语音识别、语音合成、图像识别、机器翻译以及自然语言理解等技术已经开始实用化,如:微软提出的云计算、百度提出的框计算都与智能接口技术有关。

2.2 智能信息处理

计算机的广泛应用是人类进入一个信息爆炸的时代,国民经济和社会信息化发展所面临的一个重要课题是如何把大量的数据转化为有用的知识,并将知识转化为智能,用于决策、管理、检索、过程控制等。智能信息处理使从海量数据中提起有用知识成为可能,当前,图形模式作为一种有效的智能数据处理手段正在引起人们的重视,图形模式具有多功能性、有效性及开放性等特征,能有效地转化数据为知识,并利用这些知识进行推理,以解决分类、聚类、预测和因果分析等问题,其有效性已在软件智能化、医疗故障诊断、金融风险分析、DNA 功能分析和 Web 采掘等方面得到验证。随着图形模式学习和基于图形模式推理等问题的解决,图形模式必将成为重要和有力的智能化数据分析与处理工具。

2.3 主体及多主体系统

主体是具有信念、愿望、意图、能力、选择等心智状态的智能性实体,而且具有一定自主性。主体试图自治地、独立地完成任务,同时又可以和环境交互,与其他主体通信,并通过规划达到目标。多主体系统主要研究在逻辑上或物理上分离的多个主体之间进行协调智能行为,最终实现问题求解。目前对主体和多主体系统的研究主要集中在主体和多主体理论、主体的体系结构和组织、主体语言、主体之间的协作和协调、通信和交互技术、多主体学习以及多主体系统应用等方面。

3 人工智能未来的研究方向

当前,人工智能学科已从学派分歧的、传统的、狭义的人工智能,走向多学派兼容、多层次结合现代的广义人工智能,并将发展成为人机集成的、群体协同的、未来的智能科学技术 [9]。广义人工智能学科的理论基础是广义智能信息系统论,主要包括广义智能论、智能信息论和智能系统论。

3.1 广义人工智能的概念涵义和学科体系

多学派人工智能是指模拟、延伸与扩展人的智能及其它动物智能,既研究机器智能,也开发智能机器。多层次人工智能是指不仅研究专家系统,而且研究人工神经网络、模式识别、智能机器人等。多智体人工智能研究群体的、网络的多智体、分布式人工智能。研究如何使分散的个体人工智能协调配合,形成协同的群体人工智能,模拟、延伸与扩展人的群体智能或其它动物的群体智能。

广义人工智能的研究对象是自然智能、人工智能、集成智能和协同智能,根据广义智能学的研究对象,广义人工智能学的学科体系主要包括四个方面:①自然智能学:自然智能学研究人的智能及其他生物智能的个体智能、群体智能的基本概念和特性。②人工智能学:人工智能学研究机器智能与智能机器二方面,思维、感知、行为三层次的广义人工智能的基本概念和特性,分析设计、协调协同、进化开拓、评价测度、信息处理、系统构成、管理控制的理论和方法。③集成智能学:集成智能学研究自然智能与人工智能,主要是人的智能与机器智能如何协调配合、取长补短、合理分工、智能结合,形成集成智能、构成人机和谐集成智能系统的基本理论和方法。④协同智能学:协同智能学研究智能个体如何相互协调、友好协商、分工协作,组成智能群体,组成分布式网络群体协同智能系统的基本理论和方法。

3.2 广义人工智能的科学方法

①多学科协同:广义人工智能是跨学科的综合性边缘学科,必须需要包含信息科学、生物科学、系统科学等多学科协同的科学研究方法。② 多途径结合:广义人工智能是对广义自然智能的模拟、延伸和扩展,需要采取功能模拟、结构模拟、行为模拟等定性研究与定量分析,综合集成的多途径相结合的科学方法。③多学派兼容:广义人工智能的研究应当也需要采取符号主义,联结主义,行为主义等多学派兼容的科学方法。

3.3 广义人工智能的科学意义

研究发展广义智能学具有重要科学意义和应用价值,广义人工智能协同地、综合地研究自然智能、人工智能,开发人机集成智能、群体协同智能的基础理论和方法,如:协同研究自然智能与人工智能;研究开发人机集成智能;研究开发群体协同智能;广义人工智能为研究人工智能和自热智能提供新思路和新方法,并为发展智能科学技术提供新理论。

4 结论

本文全面综述了人工智能的发展过程、研究热点和研究趋势,介绍了广义人工智能的基础理论和方法,认识到广义人工智能将为智能科学技术提供宽广、深厚的理论基础,并将有力促进智能科学技术的迅速发展与广泛应用。

参考文献:

[1] 马少平,朱小燕.人工智能[M].北京:清华大学出版社,2004.

[2] 石纯一,黄吕宁,土家钦.人工智能原理[M].北京:清华大学出版社,1993.

[3] L.A. Zadeh, Fuzzy Sets[J].Information and Control,1965(8).

[4] Bord M A. 人工智能哲学[M].刘西瑞,王汉琦,译.上海:上海译文出版社,2001.

[5] 刘叙华.基于归结方法的自动推理[M].北京:科学出版社,1994.

[6] 顾明.基于模糊ART神经网络的在线人脸识别模型的设计和实现[J].计算机科学,2007(8):92-94.

智能机器人论文篇5

中图分类号 G2 文献标识码 A 文章编号 1674-6708（2017）184-0047-02

智能小车本身属于轮式机器人研究的一个分支，其本身在国内外机器人研究领域都存在着较高关注度，而在本文基于单片机的智能小车避障循迹系统设计展开的研究中，笔者选择了AT89S52单片机作为系统微控制器，并应用了4组QTI红外传感器，而这一设计经过实践验证了该智能小车避障循迹系统的可行性与可靠性。

1 系统总体设计

在本文进行的智能小车避障循迹系统设计中，智能小车避障循迹系统主要由控制电路板、电机、传感器模块、底盘部件等结构组成，图1为本文设计智能小车避的车体结构俯视图，结合该图我们就能够更为直观了解本文的总体设计思路。

在智能小车避障循迹系统的总体设计中，笔者将AT89S52单片机作为这一设计的核心，并通过这一核心进行电源模块、时钟电路、复位电路、传感器模块、伺服电机模块的控制，这其中的伺服电机模块主要用于智能小车的基本巡航动作，而传感器模块则主要用于控制小车沿黑色轨迹线行驶，而通过图1我们能够发现智能小车本身选择了三轮结构车体，这就使得智能小车本身的灵活循迹实现能够得到较好支持[ 1 ]。

2 系统硬件设计

在本文研究的智能小车避障循迹系统硬件设计中，这一设计主要包括伺服电机模块、循迹传感器模块、电源模块等3部分内容。

2.1 伺服电机模块

对于智能小车避障循迹系统硬件的伺服电机模块设计来说，这一设计采用了360°伺服舵机，而这一伺服舵机的选择就使得智能小车避障循迹系统能够实现连续的位置或速度控制。对于伺服电机模块中的360°伺服舵机来说，其本身存有红、黑、白3条输入线，这3条输入线分别负责伺服舵机的电源、接地、信号控制。在智能小车避障循迹系统硬件的伺服电机模块中，其本身还存在着1个基准电路和1个比较器，这一构成就使得伺服电机模块能够更好实现智能小车的控制[ 2 ]。

2.2 循迹传感器模块

对于智能小车避障循迹系统硬件的伺服电机模块设计来说，循迹传感器模块也是这一设计的重要组成之一，而这一循迹传感器模块本身包含着传感器的选择、小车循迹策略两部分部分内容。

2.2.1 传感器的选择

对于传感器的选择这一循迹传感器模块的设计来说，这里笔者选择了QTI传感器用于循迹传感器模块的设计，这一传感器本身属于红外传感器范畴，其本身通过对反射光强度的接收，实现不同颜色物体的探测，而通过探测QTI传感器就能够自动输出不同的电平信号，为智能小车避障循迹的实现提供有力支持[ 3 ]。

2.2.2 小车循迹策略

对于小车循迹策略这一循迹传感器模块设计组成来说，这一设计的实质就是QTI传感器安装位置的选择，这里笔者将QTI传感器的SIG信号线与智能小车平台的相应I/O口进行了连接，并保证了这一连接使用了不同颜色的信号线，这就为后续排查错误等工作的展开提供了有力支持。在小车循迹策略设计中，我们实现了两级方向控制传感器信号的智能小车控制，这种控制设计就使得智能小车能够在两级传感器支持下实现轨迹的较好控制与纠正，这就使得智能小车的循迹可靠性得以较好提升[ 4 ]。

3 系统软件设计

除了硬件设计外，软件设计同样也属于智能小车避障循迹系统的重要组成，这一设计主要包括机器人基本动作实现、循迹功能的实现两部分内容。

3.1 机器人基本动作实现

对于智能小车避障循迹系统软件设计的机器人基本动作实现中，我们首先需要考虑智能小车运行时轮子的旋转情况，这里我们以智能小车的前进为例，智能小车前进时从左轮看该轮为逆时针旋转，而从右轮看则恰恰相反，而由此我们就能够得出智能小车运行方向和速度情况，通过改变智能小车车轮的参数控制，就能够实现智能小车的加减速控制。

结合智能小车车轮参数控制、加减速控制的相关认知，笔者在C语言设计中将智能小车的两个车轮速度作为形式参数，并应用left与right进行了定义，这样我们就能够顺利完成机器人基本动作实现这一智能小车避障循迹系统软件设计。

3.2 循迹功能的实现

在智能小车避障循迹系统软件设计的循迹功能实现中，想要实现智能小车避障循迹系统软件设计的循迹功能，我们首先需要得出QTI传感器的循迹策略表，这样才能够通过调用move函数实现基于QTI传感器的智能小车自主循迹，表1为QTI传感器的循迹策略表局部，而结合该表我们能够发现结合这一思路，我们就能够实现智能小车不同循迹功能的扩展，不过介于篇幅原因，本研究不予详细论述[ 5 ]。

4 结论

在本文就基于单片机的智能小车避障循迹系统设计展开的具体研究中，笔者对这一智能小车避障循迹系统的总体设计、硬件设计、软件设计进行了详细论述，而结合这一系列论述完成的设计在实际的测试证明中取得了智能小车运行灵活、可靠、稳定、识别能力较强的结果，但具体测试中笔者也发现QTI传感器的安装高度出现问题会直接影响智能小车的无法巡线或抖动厉害的情况出现，而智能小车全速行驶突然停下很容易导致翻车问题的出现，用于轨迹引导的线颜色较淡时智能小车的避障循迹往往容易出现问题，这几点需要引起大家重视。总之，本文基于纹机的智能小车避障循迹系统设计展开的研究具备着较高的可行性，希望能够为相关研究人员带来一定启发。

参考文献

[1]顾群，蒲双雷.基于单片机的智能小车避障循迹系统设计[J].数字技术与应用，2012（5）：23.

[2]陈海洋，李东京.基于单片机的智能循迹避障机器人小车设计[J].科技风，2014（20）：99.

智能机器人论文篇6

 

人工智能技术无论是在过去，现在还是将来，都作为科学研究的热点问题之一。人类对自己本身的秘密充满好奇，随着生物技术的飞速发展，人类不断破译人体的生命密码。而以生物科学为基础的人工智能技术也得到了长足的发展。人们希望通过某种技术或者某些途径能够创造出模拟人思维和行为的“替代品”，帮助人们从事某些领域的工作。为了让计算机能够从事一些只有人脑才能完成的工作，解脱人的繁重的脑力劳动，人类对自身的思维和智能不断地研究探索。但是，科学技术是一柄双刃剑，人们对人工智能技术的飞速发展存在着恐慌。如果机器真的具有了人类的智能，在未来的某一天，他们会不会取代人类而成为地球的主宰者？人类智能和人工智能，谁才是未来的传奇？

1.你在和谁说话？

“先进的人工智能机器人不但拥有可以乱真的人类外表，而且还能像人类一样感知自己的存在。”这是人工智能发展到高级阶段的目标和任务。那么，我们在不久的未来能否实现这样一个目标呢？人类真的能发明出足以乱真的智能人类吗？隔着一堵墙，我们是否能分辨出正在与我们对话的是一部机器还是人类？

1.1. 人工智能的定义

人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是相对于人的智能而言的。正是由于意识是一种特殊的物质运动形式，所以根据控制论理论，运用功能模拟的方法心理学，制造电脑模拟人脑的部分功能，把人的部分智能活动机械化，叫人工智能。人工智能的本质是对人思维的信息过程的模拟，是人的智能的物化。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能发展的过程归纳为机器不断取代人的过程。

1.2. 人工智能技术的发展

几个世纪以来，人类依靠智慧，发明了许多机器，使人类能够从许多体力劳动中解放出来。从1956年正式提出人工智能学科算起，40多年来取得长足的发展，成为一门广泛的交叉和前沿科学。科学家发明了汽车，火车，飞机，收音机等等，它们模仿我们身体器官的功能，但是这些不能模仿人类大脑的功能毕业论文格式范文。当计算机出现后，人类开始真正有了一个可以模拟人类思维的工具，在以后的岁月中，无数科学家为这个目标努力着。1997年5月，IBM公司研制的深蓝（Deep Blue）计算机战胜了国际象棋大师卡斯帕洛夫（Kasparov）。在一些地方计算机帮助人进行其它原来只属于人类的工作，计算机以它的高速和准确为人类发挥着它的作用。计算机的出现，使得人工智能有了突破性的进展。计算机不仅能代替人脑的某些功能，而且在速度和准确性上大大超过人脑，它不仅能模拟人脑部分分析和综合的功能，而且越来越显示某种意识的特性。真正成了人脑的延伸和增强。

1.3. 人工智能的研究领域

人工智能是一种外向型的学科，也是一门多领域综合学科。它不但要求研究它的人懂得人工智能的知识，而且要求有比较扎实的数学基础，哲学和生物学基础，只有这样才可能让一台什么也不知道的机器模拟人的思维。而人工智能的最根本目的是模拟人类的思维，因此，它的研究领域与人类活动息息相关。什么地方只要有人在工作，他就可以运用到那个领域。

现阶段主要研究领域有专家系统，机器学习，模式识别，自然语言理解，自动定理证明，自动程序设计心理学，机器人学，博弈，智能决定支持系统和人工神经网络等等。

2.机器真的可以思考吗？

机器真的可以思考吗？机器的思考归根结底还是模仿人类的思维模式，正是“思考”这一人类的本质属性，使得人工智能和心理学从最初就紧密地联系在一起。心理学研究人脑中信息的输入、输出、存储和加工，并研究人脑各个部位的功能。最早的双核计算机模仿人的左右脑，在人脑不同区域主管各个不同功能这一原理的基础上，来设计负责不同功能的芯片。以此为出发点，心理学家和计算机学者进一步合作，通过研究人解决问题的方法来研究开发人工智能。随着人工智能的发展，所要求实现的职能愈加复杂，但最基本的方式还是逻辑推理和归纳，这正是心理学家和逻辑学家的专业领域。心理学家以研究探讨人类逻辑思维方式为人工智能提供了基本原理和原则。

2.1. 人类意识的本质

意识是世界的内在规定、一般规律和组成部分，是具有客观实在性同世界的其它组成部分处在对立统一关系中的事物。意识普遍存于世界和万物之中，世界是包含意识的世界，万物是包含意识的万物。没有意识存在于其中的世界不是我们现实生活中的世界，没有意识存在于其中的万物也不是我们天天眼见手触的万物。有了意识的存在，世界和万物就有了生机和活力。

2.1.1. 意识是与物质相对应的哲学范畴，与物质既相对立又相统一的精神现象。

意识是自然界长期发展的产物，由无机物的反应特性，到低等生物的刺激感应性，再到动物的感觉和心理这一生物进化过程是意识得以产生的自然条件。意识是社会的产物，人类社会的物质生产劳动在意识的产生过程中起决定的作用。辩证唯物主义在强调物质对意识起决定作用的前提下肯定意识对于物质具有能动的反作用，在意识活动中人们从感性经验抽象出事物的本质、规律形成理性认识，又运用这些认识指导自己有计划、有目的地改造客观世界。

2.1.2. 从意识的起源看，意识是物质世界发展到一定阶段的产物；从意识的本质来看，意识是客观存在在人脑中的反映。

意识是人脑对客观存在的反映：第一，正确的思想意识与错误的思想意识都是客观存在在人脑中的反映；第二，无论是人的具体感觉还是人的抽象思维，都是人脑对客观事物的反映；第三，无论是人们对现状的感受与认识，还是人们对过去的思考与总结，以至人们对未来的预测，都是人脑对客观事物的反映。 意识的能动作用首先表现在，意识不仅能够正确反映事物的外部现象，而且能够正确反映事物的本质和规律；意识的能动作用还突出表现在，意识能够反作用于客观事物，以正确的思想和理论为指导心理学，通过实践促进客观事物的发展。

2.2. 人类意识与人工智能的关系

认知心理学和人工智能，是认知科学的两个组成部分。人工智能使用了心理学的理论，心理学又借用了人工智能的成果。人类意识与人工智能两者具有以下关系：

l人工智能是研究用机器模拟和扩展人的智能的科学。它撇开了人脑的内在结构和意识的社会性，而只是把人脑作为一种信息处理的过程，包括信息的接收、记忆、分析、控制和输出五部分。现代科学技术用相应的部件来完成着五个过程，就构成了人工智能或电脑。

l人工智能可以代替人的某些脑力劳动，甚至可以超过人的部分思维能力，随着现代科学技术的发展，它发挥着越来越重要的作用。人工智能的出现不仅解放了人的智力，而且为研究人脑的意识活动提供了新的方法和途径。它说明了人的意识活动不管多么复杂，都是以客观物质过程为基础的，而不是什么神秘的超物质的东西，人们完全可以用自然科学的精确方法来加以研究和模拟，它进一步证实了辩证唯物主义意识论的科学性毕业论文格式范文。

l人工智能的产生和发展，深化了我们对意识相对独立性和能动性的认识。机器思维即人工智能表明，思维形式在思维活动中对于思维内容具有相对独立性，它可从人脑中分化出来，物化为机械的、物理的运动形式，部分地代替人的思维活动。

随着科学技术的发展，人工智能将向更高水平发展，反过来推动科学技术、生产力和人类智慧向更高水平发展，对人类社会进步将起着巨大的推动作用。

3. 人工智能的未来

人工智能是为了模拟人类大脑的活动而产生的科学，人类已经可以用许多新技术新材料模拟人体的许多功能，诸如皮肤，毛发，骨骼等等，也就是说，人类可以创造出“类人体”。只要能够模拟人的大脑的功能，人就可以完成人工生命的研究工作，人创造自己，这不但在科学上，而且在哲学上都具有划时代的意义。这就是人工智能承担的历史使命。

在科学技术日新月异的今天，知识爆炸，科技的增长超出了人类承受的速度。各种新科技的出现层出不穷，随之而来的成果简直让人瞠目结舌，克隆、基因芯片、转基因等等，人类自身的秘密开始一层一层的揭开。我们人脑的复杂结构，人体的基因链也逐渐被科学技术解剖。我们希望将来的人工智能机器能将我们从繁重的体力劳动和脑力劳动中解放出来心理学，例如机器人做家务，带孩子，做司机，秘书等等一系列我们不愿意花太多精力或者有太多限制条件的工作。然而，人类由于多种“性能”都不如机器人，反而退化成为机器人的奴隶？他们会不会有一天无法忍受人类对他们的“剥削”和“压迫”，挑战人类的统治？很多的科幻作品和电影中都预言了这样的场景，未来的智能机器人和人类争夺有限的地球资源，并最终打败人类，成为新的地球统治者。这也正是绝大多数心理学家和哲学家对人工智能的发展忧心忡忡的原因。

人工智能的发展，也只能无限接近于人的智能，而不能超越人的智能。因为人工智能技术的本质，是模拟人类的思维过程，是为人类服务的。我们在进行发明创造的同时，担心被我们所发明的物质所毁灭。正如人类发明了原子能，用于取代正在逐渐消逝的矿物能源，然而当原子能用于军事领域的时候，他产生的力量也足以毁灭人类文明。科技本身并不是问题，人类如何运用自己掌握的技术，才是问题的关键。我们最大的敌人不是我们发明的技术，而是我们自己本身。

【参考文献】

1.李建国人工智能与认知心理学[J]. 西南师范大学学报 1986年4月第二期 142-146页

2.郑南宁认知过程的信息处理和新型人工智能系统[J]. 中国基础科学.科学前沿2008年 9-18页

3.蔡自兴，徐光祐人工智能及其应用(第三版)[M].北京.清华大学出版社 2004年

4.（美）Sternberg,R.J.认知心理学[M] .北京.中国轻工业出版社 2006年

智能机器人论文篇7

中图分类号：TP27 文献标识码：A 文章编号：1671-2064（2017）03-0221-02

人工智能是当今科技发展中最具潜力的热点问题之一，2016年初轰动世界的谷歌AlphaGo打败围棋世界冠军李世石的经典案例更是引起了全世界广泛的关注和热议。“人工智能”这个概念再次被推到了风口浪尖。那么，究竟什么是人工智能呢？它会对我们的生活有什么影响？在这个背景下，我们深入探究人工智能及其相关的技术领域，对于人工智能的普及和发展有着重要意义，也希望能给予人工智能相关领域的科学研究者们提供一些参考和方向。

1 什么是人工智能

人工智能（Artificial Intelligence，AI）是一门全新的信息技术科学，是计算机科学技术的一个重要分支，是指对于模拟、拓展和延伸人类的智能的应用系统及相关的理论和技术方法的开发研究。主要通过研究及了解人类智能的本质从而开发出能给出类似人类智能反馈的智能机器，计算机系统在理解目标方向之后所取得的最大化成果是计算机实现的最大智慧。人工智能不单单是一个特定的技术，它所研究的往往是能创造智能意识的高科技机器，包括了算法和其他应用程序，处理的任务也远远超出了简单计算，从学习感知规划到推理识别控制等等。人工智能的研究方向包含语言及图像识别技术、机器人设计、自然语言处理等，日益成熟的理论方法和技术实践也使得应用领域范围大规模扩张，人工智能是人类智慧的结晶，未来也可能展现出超过人类的智能。

2 人机智能的研究方向

人工智能的科学研究通常涉及到数学、逻辑学、认知科学、以及最重要的计算机科学等多学科领域，延伸出了以下几个主要的研究方向：

2.1 逻辑推理与证明

早期的人工智能更多的解决了大量数学问题，逻辑推理是基础也是研究时间最长最重点的领域之一。通过找到可靠的证明或者反证方法实现潜在的定理证明，根据数据库的实例进行推导并及时更新证明结论，演绎和直觉相结合，在推理和证明中实现部分智能。

2.2 问题求解

问题求解领域的一大重要应用则是下棋程序的功能实现，化繁为简、将困难的问题点拆分成为独立的子问题进行求解；而另一个实例则是数学方程的求解实现，分析各种公式符号的组合意义从而为科学研究者提供强有力的基础保障。问题求解中所运用的搜索和规约也是人工智能领域中的两大基本技术。

2.3 自然语言处理

自然语言处理也叫自然语言理解（Natural Language Processing，NLP），是指借助计算机来处理使用人类语言作为计算对象的算法程序，并研究相关的理论方法和技术。NLP是人工智能领域的主要研究方向之一，也是发展时间较长的研究方向之一。语音识别、搜索引擎、机器翻译等等都是NLP的重要研究内容，目前也都在人工智能领域获得了突出的应用成果。

2.4 专家系统

专家系统是指具有大量模拟人类相关领域专家知识和经验的智能计算机程序系统，依托于人工智能相关技术，根据专家系统所提供的数据方法进行判断推理进一步决策，从而代替人类专家解决一部分该领域的特定问题。从知识表示技术的角度上看，专家系统可分为基于网络语义、基于规则、基于逻辑、基于框架等几种类别；而从任务类型及专家系统主要解决的问题类型的角度来看，专家系统也可分成解释型（分析和阐述符号数据的意义）、调试型（根据故障制定排除方案）、预测型（根据现状预测指定对象未来可能的结果）、维修型（针对特定故障制定并实施规划方案）、设计型（按指定需求制作图样和方案）、规划型（根据指定目标制定行动方案）等。

专家系统的建立包含以下几个步骤：（1）初始专家知识库的设计：包括问题、知识、概念、形式、规则等多个概念的筹建；（2）开发和试验系y原型机；（3）改进与归纳专家知识库等。

专家系统的实现通常建立在大量的数据统计与人类专家提供的问题解决实例上，没有精确或统一的求解算法，因此也会造成一些局限性。在人工智能与计算机科学快速发展的今天，专家系统也逐渐更重视理论和基础研究，除了基于经验的理论，基于规则和模型的方法也将投入到实际运用中，未来的专家系统将更偏向协同式和分布式方向发展。

2.5 机器学习

机器学习是指计算机自动获取新的推理算法和新的科学事实的过程，是计算机具有智能的基础。计算机的学习能力是人工智能研究史上的突出成就与重要进展，也是人工智能初步实现的重要标志。机器学了在人工智能领域有着重要应用，对于探索人类智慧的奥秘以及学习方法和机理都有着重要意义，机器学习的时代才刚刚开始，各种理论方法也正在逐步完善中，未来精彩可期。

3 人工智能的应用

人工智能的首次提出至今已有60年的历史，在这个循序渐进的过程中，无论是功能场景还是机器模式，都逐渐从单一到通用、从简单到复杂，表达方法也更多种多样。目前主要通过赋予机器产品一定的人类智能从而有效地提升机器工作效率及能力，未来的人工智能将更多的模拟人类生活环境及思维方式来设计出真正具有人类智能的高效人机系统。

3.1 人工智能在各个行业的应用

人工智能已经运用到人类生产生活的各个方面，主要包括以下几点：（1）以智能汽车为代表的自动化交通方式。（2）种类繁多的家庭智能服务机器人。（3）用于临床支持和病人看护中的自动化智能设备及医疗器械。（4）智能教育辅导系统、线上学习和智能辅助学习设备的普及。（5）基于图像处理和自然语言处理的各类音乐社交软件及VR设备的兴起给互联网娱乐时代带来的巨大变革。（6）逻辑证明及智能分析在公共安全领域的预测及防范。（7）大量重复机械的劳动逐渐由智能机器取代，人类承担着更多的创新及实践工作。

3.2 人工智能生活应用实例

作为辅助人类生产生活的重要工具，日趋成熟的智能机器人已经快速走进了人们的日常生活中，下面我们介绍几种常见的使用场景：（1）智能房屋和家居生活的构建：目前的智能停留在自动控制I域，通过用户指令来便捷的操控比如电视、窗帘、灯具、空调等等；而未来，人工智能的发展将根据你的日常行为了解你的习惯喜好，利用传感器和自动装置搜集用户的行为数据，通过机器学习和深度学习算法改造你所居住的环境。最终实现真正意义上的智能家居生活。（2）无人驾驶的智能汽车：主要通过导航和定位实现规定路线的行驶、通过激光测距、雷达感应和照相等技术，配合复杂的计算公式从而辨别和避让各种障碍，最终脱离人类操控的环境下自动完成发动、驾驶、刹车等动作。行驶的安全性和准确性在智能机器的帮助下其实更可靠，我们完全有理由相信未来自动驾驶将成为人们出行的新方式。（3）基于神经网络的新型翻译方式：在线翻译相信大多数人都不陌生，使用范围广普及率极高，但其准确性一直都是人们关注的焦点之一。谷歌翻译负责人表示将在部分功能上尝试使用深度学习技术，如果能顺利实施必将使得翻译准确性的研究取得实质性突破，而基于神经网络的翻译方式则将帮助计算机更好地模拟和理解人类思维，使得翻译结果更流畅合乎规范，也方便人们更好地理解。

4 人工智能的发展历程

人工智能的发展历程不算很长，但发展速度却异常迅猛。跟所有新兴的前沿学科一样，人工智能的发展中也经历了高潮和低谷时期。根据不同时期代表性人物和事件的发生，我们大致可以将整个过程分为以下几个阶段：

（1）1950年，举世闻名的“图灵测试”（图灵，英国数学家，1912―1954）首次发表于《计算机与智能》一文，即通过房间外的人和两个房间内的人和机器分别对话中，是否能区分人和机器从而判断出机器是否具有了人的智能。这是人类对于人工智能最初的概念。

（2）1956年，由香农、麦卡锡、朗彻斯特和明斯基共同发起的DARTMOUTH学会于达特茅斯大学召开，会上首次提出“人工智能”一词，这是历史上第一次关于人工智能领域的研讨会，见证了人工智能学科研究的开端。

（3）1960年以来，生物进化领域逐渐建立起了遗传、策略和规划等算法。1992年计算智能由Bezdek提出，计算智能对于生物进化学的探究有着重大意义，涵盖了模式识别、人工生命、神经网络、进化计算等多学科集合与交叉。

（4）上世纪90年代开始，专家系统逐渐兴起，对于专家知识库的不断改进以及基于规则和模型的协同式分布式专家系统将是未来使用的主要趋势。

（5）从1960年神经网络首次应用于自动控制的实施，到1965年人工智能启发式推理规则的方法引入，再到1977年运筹学理论中概念智能控制模式的成功借鉴，人工智能的发展也顺利引导了自动控制模式逐渐切换到了智能控制模式。

（6）从1956年AI概念的正式提出以来，人工智能领域已经取得了众多突破性的成就和进展，很多天马行空的想象也随着科技的进步在一代代科学工作者的不断努力下逐渐设计落实，人工智能已经从科学研究逐渐走向了人们的日常生活中，成为了当下最具潜力的多学科交叉的前沿科学。

5 人工智能的未来与发展趋势

从人工智能的提出到逐渐走入人们生活，人工智能的概念一经问世则得到了人们的普遍关注，甚至带动了语音识别、自然处理处理、机器学习、数据挖掘等一系列相关学科的发展和兴盛。人工智能领域中的创新和蓬勃发展是趋势也是必然，通过了解人工智能学科的发展历程及应用领域，我们大致可以推测出关于未来人工智能的一些方向：（1）机器学习和深度学习算法指导下更聪明更多样性更具智能的机器系统。（2）自然语言处理应用中更自然的人机互动交流。（3）机器学习时代更快速的数据处理分析策略。（4）各研发企业和机构对于人工智能先进技术更激烈的竞争和角逐。（5）超人工智能（Artificial Super Intelligence，简称ASI）时代下AI是否会走向失控给人们带来的微恐惧。

6 结语

在短短60年的时间内，人工智能的快速发展已经从很大程度上改善和刷新了人们的生活方式。人工智能的深入研究和实现正在不断帮助我们探索这个世界、帮助我们搜寻信息应对各种各样的挑战。人工智能在逐渐强大的同时，有机遇也存在着巨大的挑战和技术瓶颈，距离人工智能时代的真正实现还有很长的路要走。而人工智能的不断更迭完善，是否能取得超越人类智力和认知的智能、是否会出现违背人类价值观的危险行为将是未来很长一段时间内需要研究的重要课题。

参考文献

智能机器人论文篇8

随着永磁材料性能的不断提升和成本的降低，采用永磁材料的各类电机，特别是永磁同步电机（PermanentMagnetSynchronousMotor，PMSM），已经在电动汽车、风能开发、轨道交通、船舶推进等领域得到了应用。针对永磁同步电机的控制技术，基本是以交流异步电机的控制技术为基础，从控制系统结构上看，目前主要有矢量控制技术和直接转矩控制技术两种，每种控制技术中涉及的具体控制器基本为经典PI控制器[1]。永磁同步电机是一个多变量、强耦合、时变的非线性系统，应用经典控制方法对其进行控制，需要做两方面的简化：一是为建立电机的数学模型，需要对电机的物理模型进行简化，如假设绕组对称分布、磁场沿气隙圆周呈正弦分布，忽略铁心损耗、磁滞损耗和电机参数变化等；二是在控制器设计中需要对系统进行简化，如忽略系统的高次项、小惯性环节的近似处理等[2]。基于上述简化而设计出的控制器存在继续优化的空间。智能控制技术的发展为永磁同步电机的控制带来了新思路，如文献[3]将模糊PI方法引入永磁同步电机的位置环控制，分析了模糊控制系统的构成以及实现方法；文献[4]针对永磁同步电动机抖振问题，提出了一种具有消抖作用的高阶滑模控制算法。本文主要研究智能控制技术中一类重要的控制技术――仿人智能控制在永磁同步电机控制系统中的应用，以期能为永磁同步电机的控制系统设计提供参考。

1 永磁同步电机数学模型和控制系统结构

永磁同步电机dq转子坐标系理想动态数学模型如下：式中，ud、uq―电机定子电压dq轴分量；id、iq―电机定子电流dq轴分量；ψd、ψq―电机定子磁链dq轴分量；ψf―电机定子绕组一相永磁磁链幅值；Ld、Lq―电机定子dq轴励磁电感；R1 ―电机定子绕组一相电阻；p―微分算子；―电角速度；Te―电磁转矩；T1 ―折算到电机轴端的负载转矩；J―整个机械负载系统折算到电机轴端的转动惯量；np―极对数。基于上述数学模型，永磁同步电机矢量控制系统结构如下图所示[2]。图中，ASR为速度控制器，ACR为电流控制器，一般用工程设计方法将控制器设计为典型PI控制器。此种设计方法优点是理论成熟、设计简单，缺点是建模和控制器设计中做了一系列简化处理，即没有充分利用控制系统的特征信息，控制效果有待进一步提高。

2 仿人智能控制的原理和设计

在实际的控制过程中人们发现：在得到必要的操作训练后，由人实现的控制方法是接近最优的，这个方法不需要了解控制对象的结构参数，也不需要最优控制专家的指导。人的控制活动反映了人脑的高超思维、决策和控制能力，仿人智能控制即以模拟人脑宏观结构和行为功能为基础。仿人智能控制的基本思想是在控制过程中利用计算机模拟人的控制行为功能，最大限度地识别和利用控制系统动态过程的特征信息，进行启发和直觉推理，从而实现对非精确数学模型控制对象的有效控制。

3 仿真验证

取永磁同步电机的主要参数如下表。建立永磁同步电机转速矢量控制模型，如图2 所示。ASR，ACR为采用工程设计法设计的经典PI控制器，电机空载起动，0.1s时加载5N}m}取额定转速为2000r/min，仿真结果如图3 所示。应用仿人智能方法设计ASR速度控制器，控制器相关参数如下表。仿真结果如图4-7 所示。从图5 可以看出，与经典PI控制器相比，仿人智能控制器控制的转速波动小，在负载变化时，恢复时间短，动态扰动小;由图6，7 可知，仿人智能控制器的i、波动小，i、基本相同，由式(1)中转矩方程可知，在i、相同的情况下，转矩与i、成正比，i、波动小时，转矩波动小，进而转速波动小，这与图5 是对应的。

4 结束语

仿人智能控制的优点是设计简单，只需要几条规格，即可设计出较好的控制器，缺点也是明显的，这几乎也是所有智能控制技术的共有缺点，即智能控制技术目前还没有形成类似经典控制那样的完整的理论体系，控制器的参数设计、稳定性分析、参数与性能指标的关系等没有严格的理论分析，只能通过经验、试凑等方法进行设计。建立完整的理论体系，这是仿人智能控制技术和其它智能控制技术今后的研究目标。

参考文献

[1]尔桂花，窦曰轩.运动控制系统[M].北京:清华大学出版社，2002.

[2]袁登科，徐延东，李秀涛.永磁同步电机变频调试系统及其应用[M].北京:机械工业出版社，2018.

智能机器人论文篇9

一、引言

20世纪90年代以来,随着科技的进步,人工智能技术的发展,智能机器人在全世界范围内掀起了一股热潮。随着机器人技术理念的逐步完善和相关设备更新,人们也将越来越重视智能机器人的教学和竞赛活动。正是因为看到了这一点,我国的高等教育以及中小学教育在这方面也都投入了巨大的热情和精力,智能机器人教育在学校教育中的地位也越来越重要。笔者通过文献检索发现,智能机器人教育在国内外已不是少数学校的事。

1.国内外高校智能机器人教育开展现状

无论国内还是国外,在高校开设智能机器人教育课程的现象已经非常普遍。但主要是一些综合性大学。比如日本是世界上机器人教育和机器人文化普及最高的国家之一,在日本不仅每所大学具有高水平的机器人研究和教学内容,且每年举行多种不同档次的机器人设计和制作大赛,通过大赛培养了大批机器人技术研究和应用人才,使日本的机器人技术走到了世界前列。其他再比如一些欧美国家,亚太地区等都有该类项目的开设。

在国内,据不完全统计也有为数相当的高校有开设这项课程。其中有包括清华大学、北京大学、北京理工大学、西安理工大学等综合型大学,也有北京师范大学、浙江师范大学等师范类大学,其他还有一些职业技术学院等等。可以说我们的教育界还是注意到了这门新兴的学科,也在这块领域投入了相当的支持和关注。

2.国内外中小学智能机器人教育开展现状

国外青少年热中于机器人基于他们的历史文化环境:一是高新科技(尤其是IT的超速发展);二是漫画、电影、电视、体育竞赛、电子游戏以及互联网的影响。也正是由于这些文化因素的影响,智能机器人教育在国外开展地如火如荼,发展也比较迅速。目前,各国都有举办不同级别、科目、门类的比赛:比如日本的ROBO―ONE比赛至今已经举办了7届,还有“青少年机器人大赛”等,其主要参赛者都是年轻人。与此同时韩国的青少年也在掀起一股机器人热潮,韩国政府和企业也正在投入大量资金开发机器人产业,并使之商品化。而在美、德、法等国家,机器人产业也正在受到重视,一般采取“官产学”形式。“官”即政府的支持和调节,“产”即产业界的自我分类的研究和开发,“学”即学校专门设置的课程,进行学校教育。在如此庞大的体系下,机器人产业在国外已占非常重要的地位,尤其在当今的信息技术时代。

我国的智能机器人教育现状又如何呢?据不完全统计,在2005年全国已有2.5万余所中小学、320余万学生参与到智能机器人教育当中来。随着这几年经济的快速发展,目前我国中小学参与到机器人教育这个项目当中的人远远超过了上述数据,而且还在不断上升。特别是沿海发达地区,比如上海、广东、浙江、江苏等地区。目前的主要开设形式是校本课程或者兴趣小组等,参与的学生也大多是出于个人兴趣爱好。

3.中小学智能机器人教育的师资现状

由于智能技术是信息技术的核心领域,智能机器人也成为了培养学生动手能力、创新能力、协作能力和逻辑思维能力,提高学生综合素质,开拓智力的平台;同时,也是进行程序设计形象化、成果化教育的平台。

目前就已开展智能机器人教育的学校来看,其主要的指导老师就是信息技术老师。智能机器人教育主要多个学科的知识,由于没有专门的机器人教育专业,使得我国基础教育领域机器人方面的师资处于接近真空状态。可以看到中小学信息技术教育在师资方面还存在着诸多欠缺的地方。而计算机科学与技术、教育技术这两类专业在培养目标和培养模式上都带有局限性。比如计算机科学与技术专业,他们培养的人才往往有双重性:一是培养具有教书育人的良好素质,能胜任中小学计算机教育的教师;二是可从事计算机行业的相关人才。而教育技术专业虽然把培养目标调整为“具有良好的信息素质,胜任中小学信息技术课程的教学工作”,但是,目前多数教育技术专业、计算机科学与技术专业的培养模式培养大批“胜任”智能机器人教育课程的教师显然不切实际。

4.关于师范院校开展智能机器人教育的情况

在我们国家而言,智能机器人还属于比较新兴的项目,作为科研重要基地的大学起步也较晚,大家的水平差距相对较小。如果师范院校现在开设该项目,以时机来看,比较恰当。正因为大家处于同一起点,相互之间的差距不是很大,更加有竞争。师范类院校作为为社会培养人才的基地,更应该看到这一事实。目前师范类院校较综合大学来实力上看处于劣势状态,但师范院校由于和基础教育结合紧密,在发展机器人教育方面事实上具有先天优势。为提高师范类院校的竞争地位,增强培养人才的实际能力,创造出师范特色的新的人才培养模式,都值得我们思考并加以实施。

二、师范院校开展智能机器人教育的价值

1.师范类院校提高本身竞争力的需要

在师范类院校开设智能机器人教育正是顺应了师范教育改革的潮流。不仅可以为基础教育提供更好的师资力量,也为师范类院校在人才培养模式上带来了新的思考。拓宽了师范生的就业渠道,增强了社会竞争力。

2.中小学智能机器人教育的需要

智能机器人教育引入中小学,不仅有利于信息技术的发展;有利于我们探索教育改革和人才培养的新途径、新方法;有利于高素质人才的培养;同时,也将推动我国智能机器人知识和技术的普及;促进我国智能机器人事业的发展和专业人才的培养;促使新兴的智能机器人产业的形成。因此智能机器人进入中小学已成为一种必然趋势。我们可以通过智能机器人教育这个平台挖掘学生的创造潜能培养造就创新人才。不久的将来,智能机器人教学必将进入我们的周围,越来越多的人员便会参与到其中。如果师范类院校开设智能机器人教学,那么等到这些人员从事到中小学教育以后,他们发挥出来的作用将不可限量。

3.培养学生的诸多能力需要

智能机器人技术是世界强国重点发展的高技术,也是世界公认的打开21世纪大门的钥匙。智能机器人融合了机械、电子、人工智能等技术。如果把它引入教育,不仅有利于信息技术教育的发展;有利于我们探索人才改革和人才培养的新途径、新方法;有利于高素质人才的培养;同时将推动我国智能机器人知识和技术的普及;促进我国智能机器人事业的发展和专业人才的培养;促进新兴产业的形成。实践证明它不仅可以激发学生的想象力,培养学生的设计能力、创造能力、动手能力和跨专业的综合应用能力而且还培养了学生的协作精神。把智能机器人引入师范教育,不仅培养了学生的诸多能力,同时又为师范类院校学生在就业竞争中提供了一项优势,何乐不为?

4.师范性和专业性结合,培养更全面人才的需要

师范教育的根本目的不在于培养文学家、科学家,而是培养能培育文学家、科学家的教育家。在师范类院校开设智能机器人课程便是培养模式上的一种尝试和创新。由于师范类院校其本身的特殊性,它主要为基础教育培养师资力量,侧重点在于培养教师而不是培养研究性人才。师范类院校要培养智能机器人教育的人才,势必要调整培养目标和培养模式,把专业性和师范性更好到结合在一起,只有这样才能优化人才,增加竞争力。师范类院校要看到自己的缺点的同时也注意发挥自己的优势。目前中小学存在的问题就是专业教师的缺乏。为中小学智能机器人教育提供更优的师资,也为师范类院校学生提供更多的就业机会而言,在师范类院校开设智能机器人教育也就非常必要而且也很有利。

三、要研究智能机器人教育发展的师范模式

1.要总结开设智能机器人教育的做法和经验

湖州师范学院于2004年开始智能机器人教育,目前拥有机器人仪器80台,实验室两个。主要以学科竞赛、兴趣小组形式开展设,目前正在课程开设试验。举办过六次机器人院级比赛,五次机器人校级比赛,举办过两期暑期培训,并代表学校参加过7次全国性的比赛,参与到这项教育活动的学生数大约有600人,获得了全国一等奖多项,引起社会、其它学校的关注。

作为师范院校,开展智能机器人教育的主要目的是为突出专业特色,增强社会竞争力。虽然我们开展的时间并不是很长,但无论是自己举办活动还是参加大规模的比赛,我们的师生都认真努力,收获颇多。在教学实践和理论方面都有了很大的提高,积累了一定的经验。

从笔者的走访来看,无论是参与到其中的教师还是学生,都得到了一定的锻炼。一些同学甚至还受到了一些中小学的邀请,去担任他们的兴趣小组指导教练,参加省级比赛,也取得了不错的成绩。智能机器人教育开阔了学生的视野,培养了学生的能力,同时打造了学校品牌,为学生就业提供了多一条的途径。

但同时在教育对象、课程设置、实验室管理等方面也都还存在着一定的问题。比如智能机器人是融合了多种技术的综合性课程,开设培训课程以前,需要学生有一定理论基础。所以需要开设一定的前序课程。由于受到实验室、师资等问题的限制,目前我们学院开设的项目还比较少,学生参与面还不够宽等等。

2.要明确培养目标,更好地开展机器人教育,形成师范模式

就师范类院校开展智能机器人教育而言,笔者认为我们要按师范专业的特点开展一系列智能机器人教育课程、活动,形成一种师范模式,更好地普及机器人教育,为基础教育培养优秀人才。

(1)在师范专业开设一些信息技术课,培养学生信息素养

当今时代,对学生的信息技术素养要求越来越高。根据我院实际经验,学生在参与到机器人活动中时需要一定的信息技术基础,比如C语言编程,而我们师范生缺少的就是这方面的知识。如果师范院校在这方面能开设一些系列课程,使学生的理论知识水平有所积累,对于我们开展机器人教育必将有极大的帮助。我们在从小学教育专业、教育技术专业本科生中开展智能机器人教育,就十分重视学生信息技术课程知识的补充,因此师范生在智能机器人教育的一系列活动、选修课程中理解能力、动手能力就迅速提升。

(2)建立配套完备的机器人教育实验室

智能机器人是技术的前沿之一,集成了数学、物理、化学、生物、机械、电子、材料、能源、计算机硬件、软件等众多领域的科学和技术知识,没有一种技术平台比智能机器人更综合。所以为了使现在的师范生能够更适应未来信息时代的要求,在教学实验环节中及时地增加教学实验内容是非常有必要和可行的。况且,机器人教学需要有实际的场地设备等要求,机器人教育实验室的创办非常需要。加强机器人教育实验室建设,重点在对学生进行机器人教育指导能力的训练,同时要注意实验室的专业完备程度,规范管理等,并提高机器人实验室的软件建设、社会服务能力。

(3)成立大学生机器人教育协会,组织机器人学科竞赛

智能机器人论文篇10

智能技术成果饕餮盛宴

会议主论坛上，谭铁牛院士在“人工智能的发展现状与展望”主题报告中详细介绍了人工智能的基本概念、发展历程与现状、趋势、机遇与挑战，并对人工智能创新发展进行了探索式思考和发问。同时，他表示：“目前，国家政策层面利好不断，将加快推进我国人工智能的发展进程。”

会上，徐扬生院士带来了“机器人：从动作到智能”的精彩报告，他详细介绍了爬树机器人、书法机器人、救援机器人、服务机器人以及全方位转向车等机器人的研究成果与设计思路。他强调，在考虑智能问题时要注重感知与认知，并就智能来源、智能可扩展性等问题进行了探讨。就国内机器人创新模式、市场影响、机器人模块化定制等问题，与会听众与徐院士进行了互动。

主论坛的另一大亮点是苏中博士带来的“从WATSON到认知计算”主题报告。他重点介绍了IBM在人工智能领域的研究成果。苏中博士认为，认知计算需要左右脑的结合，左脑偏逻辑、计算较多，右脑偏认知。报告还描述了WATSON的几个发展方向，如类脑的计算机体系架构、结合大数据的理解、新一代的人机交互技术及未来的场景应用等。

围绕“脑认知的形式化”议题，李德毅带来精彩报告。他现场讲述了脑认知的神经学方法与物理学方法，并指出了人脑成长的认知性和社会性，提出了脑认知如何度量的问题；在脑认知的形态上，他认为记忆认知、计算认知、交互认知是关键，脑认知的核心是记忆认知。李德毅在报告中着重介绍了机器驾驶脑的形式化及其实现思路，可划分为感知、认知、行为三个阶段。此外，报告还阐述了机器驾驶脑形式化的普适性，并提出了脑科学和人工智能交叉研究载体的建议。

在微软全球执行副总裁沈向洋博士的主题报告――“Computer Vision――The Past，Present，and Future”中，他总结了计算机视觉研究的发展并分享了研究过程中的观点，指出研究中要重视数据集、基准集等。

沈向洋博士在报告中强调了深度学习的重要作用。在问答环节，沈博士提出对微软未来发展方向的认识，主要涵盖人工智能、大规模计算、安全以及新兴交叉科学四大板块。

此外，合肥工业大学吴信东教授和科大讯飞董事长刘庆峰也带来了精彩演讲。前者具体阐释了“大数据知识挖掘”，后者分享了科大讯飞人工智能的最新研究成果。

吴信东认为，大数据处理框架可分为三大层：数据库、专家系统、数据挖掘，并对大数据和流数据特征进行了具体介绍。刘庆峰具体介绍了国内尤其是科大讯飞基于人工智能技术创造出来了成果，包括应用现状、前景及在国际上的地位。同时，刘庆峰谈到了对创新的理解应该为“大波浪+小波浪，核心源头技术突破+用户体验微创新”。

智能应用分享百家争鸣

此外，大会设置了机器学习与模式识别、大数据的机遇与挑战、人工智能与认知科学、人工智能与机器人的未来四场主题论坛。

在机器学习与模式识别专场论坛，由中科院自动化所研究员宗成庆担任主持人，中科院自动化所模式识别国家重点实验室主任刘成林、华为诺亚方舟实验室主任李航、北京交通大学计算机科学系主任于剑、北京大学信息科学技术学院智能科学系教授查红彬、微软研究院首席研究员周明、京东智能通讯部总监刘丹等专家与大家齐聚一堂，就人工智能的概念、深度学习、关于自然语言理解、关于图像视频分析、关于智能系统、关于跟踪与坚守等七个话题各抒己见、舌战群雄。

在人工智能与认知科学专场论坛，由国防科学技术大学教授胡德文担任主持人，中科院自动化所脑网络组研究中心主任蒋田仔、重庆邮电大学教授王国胤、华南理工大学教授李远清、清华大学计算机系教授孙富春、北京师范大学" 认知神经科学与学习" 国家重点实验室主要成员姚力、苏州思必驰联合创始人俞凯、京东数据与机器智能部负责人杨洋几位嘉宾，对于类脑智能、混合智能及应用场景等话题，和与会者共同做了深度交流。

在大数据的机遇与挑战专场论坛，由中国科学院大学教授石勇担任主持人，清华大学计算机系副主任朱文武、复旦大学教授朱杨勇、中科院计算所研究员何清、春雨移动健康CEO张锐、考拉征信首席技术官葛伟平围绕大数据与人工智能、大数据的科学原理与数据科学、非结构与半结构大数据的结构化问题、大数据的复杂性表达与数据社会、大数据的开放产权与隐私问题、大数据与人类健康、大数据与信用评分及社会管理七个话题同台论道，百家争鸣。

在人工智能与机器人的未来专场论坛，新松机器人中央研究院院长徐方、哈尔滨工业大学教授赵杰、科技部高技术研究发展中心研究员刘进长、中国科学院自动化研究所研究员乔红、科大讯飞高级副总裁胡郁及小i机器人联合创始人朱频频，共同就“什么是人工智能、机器人？两者之间的关系是什么？五年来两者在理论及技术方面有哪些主要进展？两者在下一个五年或十年内是否会成为另一个科技创新的风口？”等问题，从不同角度做出了深度解析。

为响应国家 “互联网+”行动计划，开启创新2.0下互联网发展新形态、新业态，2015中国人工智能大会作为一次专业领域内的盛会，将为人工智能技术基于互联网和移动互联网等领域的创新应用提供一次全领域的动员和准备。

写在最后

智能机器人论文篇11

人工智能技术是随着计算机技术发展逐步形成的，是基于人的智能为基础理论进行研究和探索，其目的是开发出一种能够具有人类智能的智能机器，在当前最为常见的人工智能方式有机器人、语言识别和图像处理系统。人工智能是计算机科学的一个分支，是计算机发展中利用相应的技术手段对各种信息资源进行辨别和分析的基础。随着社会发展中，人们对电力需求的日益增加，使得在电力系统发展的过程中，对其控制方式也在逐步的提高。要实现其良好的控制措施和控制手段，传统的人为控制方法早已无法满足当前社会发展的需求，这就使得在电气施工中对人工智能技术要求不断增加，从而提高电气设备运行质量。实现机械的自动化，能够使得机械在进行运转的过程中脱离人类的控制自我进行调节和运行，从而降低人力成本和管理成本。积极运用人工智能的新成果无疑有利的，是基于当前电气自动化学科应用和分析过程中实现其发展的前提和关键，更好死社会发展中智能技术手段进行分析与应用的结局。

1、人工智能应用理论分析

人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟，延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质．并生产出一种新的能以人类智能相似的方式作出反应的智能机器 该领域的研究包括机器人、语言识别、图像识别 自然语言处理和专家系统等。自从1956年“人工智能 一词在Dartmouth学会上提出以后，人工智能研究飞速发展，成为以计算机为主．涉及信息论．控制论， 自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学的一门学科。人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂的工作。 当今社会，计算机技术已经渗透到生产生活的方方面面，计算机编程技术的日新月异催生自动化生产，运输，传播的快速发展。人脑是最精密的机器，编程也不过是简单的模仿人脑的收集、分析、交换、处理、回馈，所以模仿模拟人脑的机能将是实现自动化的主要途径。电气自动化控制是增强生产、流通、交换、分配等关键一环，实现自动化，就等于减少了人力资本投入，并提高了运作的效率。随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出犷新的挑战，促进了智能理论在控制技术中的应用， 以解决用传统的方法难以解决的复杂系统的控制问题。

当今社会，计算机技术已经渗透到生产生活的方方面面．计算机编程技术的日新月异催生自动化生产，运输 传播的快速发展。人脑是最精密的机器，编程也不过是简单的模仿人脑的收集、分析、交换、处理、回馈．所以模仿模拟人脑的机能将是实现自动化的主要途径。电气自动化控制是增强生产．流通、交换、分配等关键一环．实现自动化，就等于减少了人力资本投入，并提高了运作的效率。

2、人工智能控制器的优势

不同的人工智能控制通常用完全不同的方法去讨论。但Al控制器例如：神经、模糊、模糊神经以及遗传算法都可看成一类非线性函数近似器。这样的分类就能得到较好的总体理解．也有利于控制策略的统一开发。这些Al函数近似器比常规的函数估计器具有更多的优势．这些优势如下：

(1)它们的设计不需要控制对象的模型(在许多场合，很难得到实际控制对象的精确动态方程，实际控制对象的模型在控制器设计时往往有很多不确实性因素，例如：参数变化，非线性时，往往不知道)。

(2)通过适当调整(根据响应时间 下降时间、鲁棒性能等)它们能提高性能。例如模糊逻辑控制器的上升时间比最优PID控制器快1.5倍 ，下降时间快3.5倍， 过冲更小。

(3)它们比古典控制器的调节容易。

(4)在没有必须专家知识时．通过响应数据也能设计它们。

(5)运用语言和响应信息可能设计它们。

总而言之，当采用自适应模糊神经控制器、规则库和隶属函数在模糊化和反模糊化过程中能够自动地实时确定。有很多方法来实现这个过程，但主要的目标是使用系统技术实现稳定的解，并且找到最简单的拓朴结构配置．自学习迅速，收敛快速。

3、人工智能的应用现状

随着人工智能技术的发展，许多高等院校及科研机构就人工智能在电气设备的应用方面展开了研究工作，如将人工智能用于电气产品优化设计，故障预测及诊断、控制与保护等领域。

3.1 优化设计

电气设备的设计是一项复杂的工作 它不仅要应用电路、电磁场、电机电器等学科的知识，还要大量运用设计中的经验性知识。传统的产品设计是采用简单的实验手段和根据经验用手工的方式进行的．因此很难获得最优方案。随着计算机技术的发展，电气产品的设计从手工逐渐转向计算机辅助设计(CAD)，大大缩短了产品开发周期。人工智能的引进．使传统的CAD技术如虎添翼．产品设计的效率及质量得到全面提高。用于优化设计的人工智能技术主要有遗传算法和专家系统。遗传算法是一种比较先进的优化算法，非常适合于产品优化设计。因此电气产品人工智能优化设计大部分采用此种方法或其改进方法。

3.2 故障诊断

电气设备的故障与其征兆之间的关系错综复杂，具有不确定性及非线性．用人工智能方法恰好能发挥其优势。已用于电气设备故障诊断的人工智能技术有：模糊逻辑、专家系统、神经网络。

变压器由于在电力系统中的特殊地位而备受关注，有关方面的研究论文较多。目前对变压器进行故障诊断最常用的方法是对变压器油中分解的气体进行分析．

3．3智能控制

智能机器人论文篇12

一、联系实际，激发学习兴趣

信息技术必修课中“用智能工具解决问题”一节，学生已对身边的智能工具及其使用已经有一定的感性认识。但是对什么是人工智能，人工智能给人类生活带来哪些好处等问题还不是很清楚。哪里没有兴趣，哪里就没有记忆。通过生活中的一些实例，如，俄罗斯国际象棋世界冠军卡斯帕罗夫与电脑“深蓝”间“人机大战”视频，英国eliza机器人对话，灭火机器人、足球机器人等引导学生进入人工智能的多彩世界当中，也可以让学生通过百度搜索其他方面如军事等方面的应用。让学生明白人工智能技术已经渗透到人们的社会生活，在各个领域得到广泛的应用。

二、由浅入深，介绍人工智能

人工智能是计算机科学的一个重要分支，它是由计算机科学、控制论、信息论、神经生理学、哲学、语言学等多种学科相互渗透而发展起来的。其主要内容是：人工智能语言、搜索技术、知识表示、自然语言理解与机器翻译、专家系统等。要实现人工智能技术，使机器具有智能，则需要人们给它设计智能程序。因此，让学生掌握一种简单实用的人工智能语言是必要的。Prolog是一种逻辑编程语言。它建立在逻辑学的理论基础之上，最初被运用于自然语言等研究领域。现已广泛地应用在人工智能方面，利用它可以建造专家系统、自然语言理解、智能知识库等。Prolog教学主要结合“找医生看病”这个简单的实例，了解Prolog语言的谓词逻辑、事实、规则和目标，进而介绍Prolog程序的运行机理，让学生发现在Prolog程序中一般不需要告诉计算机“怎么做”，而只要告诉它“做什么”。一旦给Prolog提供必要的事实和规则之后，它就能使用内部的演绎推理机制自动求解指定的问题，而不需要在程序中列出详细的解决步骤，这也正是人工智能语言与其他计算机程序设计语言的不同之处。如果系统完善，将机器人专家引入医院，不但能大大减轻医生的工作量，而且专家就在我们身边，让看病难、就医难成为历史。

三、虚拟智能，体验人工智能

由于学校资金和条件限制，笔者利用AI-RCJ虚拟足球机器人作为教育载体。AI-RCJ是一套虚拟足球机器人的制作平台软件和竞技仿真环境。该软件以寓教于乐的方式，打破了传统教育的模式，为使用者提供了一个新颖的教育平台。整个系统由五部分组成，《初识机器人》和《足球机器人》是基础类，《进攻机器人》《守门员》《我的球队》三个模块是整个竞技仿真环境的核心部分。在这三个模块中渗透给学生计算机程序设计的基本思想、顺序结构、分支结构、循环结构；让学生了解数学平面坐标、体会不同质量的物体碰撞带来的不同效果和状态。使用者可根据自己的策略建立一个虚拟足球机器人，用户可选用图形化编辑器――机器人快车或者代码编辑器――CodeCanvas来实现机器人的策略及算法。编写好的机器人控制代码经过编译以后，就可以导入到AI-RCJ仿真竞技环境下和其他的足球机器人进行比赛。不断地在比赛中总结和改进，在竞技中品味学习人工智能的乐趣。

四、实际操作，挑战机器人设计

如果资金允许，可采购一些机器人组件，进行实际的组装和设计。以小型足球机器人为例，其硬件结构主要由6部分组成：行走机构、击球机构、带球机构、电路部分（决策，控制和通信等电路）、电源装置及辅助部分（小车底盘，外罩）。机器人小车应能准确地接收上位机指令，并根据指令要求迅速完成决策子系统的意图（带球，射门，拦截等战术动作）。决策系统是整个系统的核心部分，它主动完成知识提取并确定机器人的协同任务。机器人的通信系统特别是无线通信系统是保证从主机端到机器人底层之间的数据传送是可靠的，从而使得机器人能够比较顺利流畅地进行。