自动化考研人工智能

控制，双控（控制科学与工程）或单控（控制工程），这个你自己去网上看看排名就可以，像东大、天大、华科都不错。

1、控制科学与工程控制科学与工程是一门研究控制的理论、方法、技术及其工程应用的学科。它是20世纪最重要的科学理论和成就之一，它的各阶段的理论发展及技术进步都与生产和社会实践需求密切相关。2、控制工程控制工程硕士是从事自动化设备设计、制造、开发、管理和维护的专业人员。控制工程广泛存在于工业、农业、交通、环境、军事、生物、医学、经济、金融和社会等多个领域，运用控制理论和技术实现繁复的工作自动化，智能化，大大节约了人力成本，解放生产力，使人类从机械的劳动中解脱出来。3、控制理论与控制工程控制理论与控制工程隶属于控制科学与工程一级学科4、检测技术与自动化装置检测技术与自动化装置是工业自动化生产中获取、传输和处理信息的先决手段，是一门以应用为主、理论和实践紧密结合的综合性学科，它的应用遍及各个工程领域。本学科与自动化、计算机、控制工程、电子信息、机械等学科相互渗透，主要从事与控制、信息科学、机械等领域相关的检测技术与自动化装置的理论与技术方面的研究。扩展资料自动化专业就业趋势该专业是一门适应性强、应用面广的工程技术学科。旨在培养学生成为基础扎实、自动控制技术知识系统深入、计算机应用能力强的高级工程技术人才。所以学生在毕业后都能从事自动控制、自动化、信号与数据处理及计算机应用等方面的技术工作。就业领域也非常的宽广，比如高科技公司、科研院所、设计单位、大专院校、金融系统、通信系统、税务、外贸、工商、铁路、民航、海关、工矿企业及政府和科技部门等。历年来，该专业的毕业生的供求比例一直都保持在1：10左右，就业去向主要是在系统集成、计算机软件硬件开发和通信等领域。参考资料：百度百科-自动化专业

学习自动化专业可以考：计算机专业、电子专业、数学专业、控制工程专业。内考生最多的考容研方向就是控制工程，开设控制工程的学校有很多，其中也不乏名校，考生可以考虑。控制工程在职研究生是应用控制理论及技术实现现代工业、农业、国防以及其它社会经济等领域日益增长的自动化、智能化需求的工程领域。开设控制工程的学校也有很多，比如南开大学、东北大学、四川大学、北京信息科技大学、中国地质大学、北京化工大学、河北大学、大连海事大学、南京邮电大学、浙江理工大学、厦门大学、华东交通大学、长沙理工大学等。控制工程属于工程硕士专业学位，报考条件是国家承认的大学本科毕业学历的人员、高职高专毕业学历后满2年或2年以上达到本科毕业生同等学力、已获硕士或博士学位的人员。满足条件的考生可以考虑报考该专业，经过初试复试可以入学，但是通过统考并不容易，考生要提前备考。

该学科是河北省重点学科和国家“211”工程重点建设学科，具有控制科学与工程一级学科硕士授予权，主要研究方面16个，涵盖“控制理论与控制工程”、“检测技术与自动化装置”、“系统工程”、“模式识别与智能系统”、“导航、制导与控制”五个二级学科。工程系统与控制本研究方向是以现代控制理论和控制技术为基础, 致力于工程系统的研究与高性能控制。在工程系统（如冶金行业中的轧钢系统，煤炭行业的矿井通风系统，轻工行业的塑料压延系统，电力系统的励磁调节与控制系统，兵器工业中的火炮定位系统等）中采用预测控制、模糊控制、人工神经网络、最优控制等理论实现高性能的控制，开展研究工作。复杂系统行为与模型的研究本研究方向是工程系统与控制的理论基础，侧重控制理论的研究。针对工程系统与控制领域中的复杂的工程系统，研究系统的行为与模型的建立，运用现代控制理论与智能控制理论，结合现代控制技术来解决复杂工程系统中的关键控制理论与技术。计算机控制与工程应用本研究方向借助先进的信息技术、计算机技术和微电子技术，采用控制理论、智能系统理论实现生产过程的优化控制。运动控制理论与应用本研究方向是以电力拖动和电力电子技术技术为基础，研究运动控制理论，致力于传动控制，将先进控制理论应用于传动控制中。智能检测与智能系统以信息理论和人工智能方法为基础，利用微电子技术、计算机及材料等学科的成果，研究检测理论及技术，探索新方法，研究和开发新型检测系统。网络化自动控制系统基于网络环境的自动控制系统是工业领域的重要方向，它符合控制系统向智能化、网络化、分散化发展的趋势，是信息化带动工业化中一个重要技术。主要的主攻方向为现场总线控制技术和网络互联系统的控制与通信集成。智能移动机器人智能移动机器人主要研究的是机器人的智能体系结构、多传感器机器人系统、装配机器人、微操作机器人、基于网络的机器人遥操作系统、开放式机器人控制器以及机器人视觉等。智能假肢及人体康复工程康复工程是现代科学技术与人体康复需求相结合的产物,亦是工程技术与康复医学相互渗透形成的新兴交叉学科,其任务是研究与开发人体功能评估、诊断、恢复、代偿以及重残者护理所需的各种设施。假肢技术是康复工程中发展最早的一个领域，智能假肢是20世纪后10年发展起来的，涉及康复医学和先进控制技术。制造业信息化技术基于知识的创新已经成为制造业信息化的未来发展方向之一，制造业信息化技术的发展有其深刻的国际经济竞争背景，在关键技术的选择上注重系统集成技术与工艺装备研究开发并重，通过系统技术、信息技术和自动化技术的引入提高制造企业的竞争能力。研究主要包括虚拟制造技术和网络制造技术以及智能化、数字化在先进制造技术和机电产品的应用。信息处理与信息系统随着以信号处理和计算机技术为核心的信息科学的发展，信息的获取、处理及有效利用在通讯、医学、地震、气象、航空航天、管理及教育等领域，占有越来越重要的地位。本研究方向是信息论为基础, 致力于信息系统的研究。物流自动化系统理论与技术其主要研究内容：1）物资调运综合指挥系统；2）复杂供应链系统的决策与管理机制，包括供应链系统的动态决策和行为复杂性和基于合作协调机制的库存决策问题；3）供应链系统集成环境，以电子产品码为纽带，以Internet环境为基础，结合各种信息技术，把制造、运输、包装、仓储、销售等各环节的信息集成起来，实现产品的智能、随时跟踪、可视、控制和管理。模式识别与图像、语音处理模式识别与图像、语音处理是研究用机器代替人去识别、辨识客观事物的学科；它是近几十年得到迅速发展而形成的具有系统理论和方法并得到广泛应用的学科。模式识别与图像、语音处理主要研究图象获取、图象处理算法、模式识别与分类方法及其在智能交通系统、卫星图像处理的应用等。智能分布式系统分布式控制系统经历了若干发展阶段，从集散控制系统（DCS）、现场总线控制系统（FCS）到智能控制-维护-管理集成系统（ICMMS），控制单元日益智能化，控制的方式日益走向多智能控制单元的协同工作模式。智能分布式系统主要研究多传感器集成与信息融合技术、多传感器智能系统的体系结构、数据融合算法、智能接口等。人工智能与知识工程主要研究人工智能的理论、原理与智能系统的实现方法、各种知识表示方法、推理搜索与学习等方面。人工智能包含神经元网络、模糊控制、专家系统、遗传算法等先进的控制理论和方法。激光和光纤陀螺捷联技术研究在惯性导航领域内，将惯性系统中的敏感器——惯性仪表刚性地固连在运载体上,依靠计算机建成数学平台,以取代平台式惯性系统的物理平台,加上相应的硬件和软件,便构成捷联式惯性系统。本研究方向主要研究的是将激光和光纤陀螺应用在捷联系统中。

首先声明都是个人观点，有不对的地方望指正 ：）1） 从全国各校3236396536的宏观来看国内自动化专业的好地方不少，但研究的方向重点都各有不同，比较好的有（可能不全，望指正）北京：清华大学；中科院自动化研究所；北京理工大学；北京航天航空大学天津：天津大学江浙：上海交通大学；浙江大学；东南大学；华中：国防科技大学；华中科技大学东北：哈尔滨工业大学；东北大学；中科院沈阳自动化研究所；西部：西安交通大学2） 以清华为主要介绍对象就各个方向说一下1、控制理论与控制工程： 拥有这个方向的国家重点学科的学校有：清华大学 北京理工大学 东北大学 上海交通大学 东南大学 浙江大学 西北工业大学 清华大学研究领域广度深,在拥有传统优势的控制理论与控制工程方面极负盛誉清华的控制工程与控制工程，分为了3个研究所：系统集成研究所，过程控制研究所和控制理论研究所。毫无疑问，系统集成（也就是CIMS）研究所实力最强，有院士和CIMS国家工程中心； 控制理论所也很强，而且基本上老师都有项目，很少有搞纯理论的了； 过程所也挺强，老师实力也很强，但方向比较明确，就是过程控制，多用于化工厂等地方的生产流程的总体控制，多用到总线、动态控制之类的东西2、检测技术与自动化装置：拥有这个方向的国家重点学科的学校有：天津大学 浙江大学 这个方向实用性很强，和仪表，测试等方向很接近，也只有这个方向是自动化的几个二级学科里是完全偏硬件（当然也有软件，但很少）的清华的这个方向从表面看来实力一般，其实不然，且不说牛人要靠自己努力，单说导师的情况，也许没有别的所博导多，但是我所知道的检测所导师都非常的负责（尤其是硕导），而且有项目，虽然不像CIMS有那种很大的横向项目，但是做小项目有效项目的好处，就是能接触到项目的整个过程，再加上老师的负责指导，对能力的提高就不必多言了吧。所以检测所非常非常的适合读硕士。当然前提是大家要对单片机，DSP，FPGA之类的硬件感兴趣，呵呵3、系统工程：拥有这个方向的国家重点学科的学校有：华中科技大学 西安交通大学 这个方向相对其他几个方向来说比较年轻，但他的作用也不容忽视，系统工程国内搞得比较多的是智能决策、智能交通等，说白了，有点像管理，是研究如何提高效率的。清华的这个方向老师比较少，但实力却不弱，对于外校的考生来说，最大的缺点是招的比较少，每年也就2~3个，呵呵4、导航、制导与控制：拥有这个方向的国家重点学科的学校有：北京航空航天大学 哈尔滨工业大学 哈尔滨工程大学 这个方向具体做什么就不用多言了吧。国内做的比较多的应该是陀螺仪；仿真；和制导控制，要是想从事航天等领域的话，可以说是不二之选但很可惜，清华自动化在这个方向实力一般，隶属于过程所，而且都是老师的一个方向而已，基本没有专门搞这个方向的，但精仪系有导航这个方向，实力不错，但也很可惜，基本上精仪的这个方向都是推研（保送）上的。这个方向推荐的学校 北京航空航天大学，北京理工大学，哈尔滨工业大学；航天科工集团研究院各单位。这里特别强调下北理工，他实力也很强，经费不用多言，平均上亿还是有的，但和北航不同的地方在于，北理工的导航是导弹，而北航是航天 * 这里提到了北理工，就大概说一下，北里的好多专业都是围绕导弹来的，公认比较好的专业：通信与信号（雷达）；自动化（导弹控制各方面）；二院的机械电子（导弹引信）；光电（物理电子和光学工程，主要方向是军用光学，光学成像） ；车辆工程（至少国内前三，说第一也不过分。民用的很强，尤其是电动汽车，军用的实力更不用多说了，搞得是坦克）。。。这些方向科研经费之多，肯定超出你的想象，北理在专业不多的情况下科研经费每年都能在7亿，全国第3名左右（可能不是很准），也说明一定的问题，就是搞军工有钱，呵呵5、模式识别与智能系统：拥有这个方向的国家重点学科的学校有：清华大学 上海交通大学 南京理工大学 西安交通大学 这个方向？ 呵呵，应该在全国各个学校的自动化都是最热的吧：）至于搞什么也不必多言了清华的模式识别与智能系统属于信息处理研究所 大体分为两个方向：模式识别，生物信息学，实力很强，每年的分数即便不是最高，也能和CIMS方向持平。。。 但是有一个问题在于，国内这个方向上有个不能不说的地方就是 中科院自动化所，人工智能（清华属于计算机系）和清华实力差不多；而在模式识别方向比清华强。招的人多，项目多，发的钱也多，难度也相对清华也低一些，实属上上之选。。当然你要是非清华不上，就没有办法了，呵呵别的地方比较强的就是 上海交大和西安交大，华中理工也不错6、其他相关方向机器人：中科院沈阳自动化所，哈工大,国防科大，北航，上交清华的机器人比较分散，自动化的控制理论所，精仪，计算机都有人在做 还有个北理的仿人机器人（专业名叫仿生技术），实力不错，那个黄强老师很厉害，那个十五成果展上会耍大刀的机器人就是他们的，呵呵 另外北航在单片机和嵌入式系统方面很强3） 清华招生目录上方向对应。。和关于报考的建议 01控制理论与控制工程 -------------- 控制理论所和少量过程所02检测技术与自动化装置 ------------ 检测所03系统工程 ------------------------ 系统工程所04导航、制导与控制 ---------------- 过程所 05企业信息化系统与工程 ------------ 系统集成所（CIMS） 06模式识别与智能系统 -------------- 信息所 07生物信息学 ---------------------- 信息所推荐（排名按推荐优先顺序排列）：模式识别与智能系统: 中科院自动化所 上海交大 清华大学 西安交大 华工检测技术与自动化装置:清华大学 浙大 天津大学 控制理论与控制工程:清华 浙大 上海交大 东南大学 东北大学 导航、制导与控制：北京航空航天大学 哈尔滨工业大学 北京理工大学系统工程： 西安交通大学 清华大学 华中科技大学 以上都是我的一点拙见，希望能给报考自动化专业，尤其是清华自动化的xdjm一点帮助有什么不对地方，望大牛指教

今年刚刚结束的高考招生，人工智能专业开设的学校就了。有需求就会有市场，高校也是为了应对市场和学生需求而加速开设此专业。

我也是自动化专业的，大三，也准备考研。凭的是实力，也要靠运气。首先谈e68a8462616964757a686964616f31333234323661谈顶尖牛校.毫无疑问,清华一支独秀,上交紧随其后,这在圈内是人所共识的。清华自动化的特点是研究领域广度深,在拥有传统优势，控制理论与控制工程方面极负盛誉,在新兴的信息学科交叉领域--模式识别与智能系统方面以明显优势领先于国内同行.之所以会取得如此骄人成绩,归功于该校强大的工科整体实力.事实上自动化系的许多研项目都是在与计算机系,电子工程系紧密合作下开展的.清华最具国际竞争力的智能技术与系统国家重点实验室就挂靠这三个系.自动化系负责智能信息处理的相关研究.另外,清华的CIMS国家工程研究中心更是该系的金字招牌.因此,无论国家投入,自身实力,国际声誉,发展前景上看,清华自动化在中国的霸主地位短期内不会动摇.上交是传统的工科牛校,自动化系又是该校工科中的重点方向.虽然它规模不大,但却发展均衡,锋芒毕露,极具实力.在自动控制和模式识别方面均有牛人如席裕庚,施鹏飞等主持.这两个领域曾入选国家重点学科,获此殊荣的仅清华,上交两家,其实力可见一斑.另外该系在CIMS,机器人装配方面也大有作为.接下来可以谈谈第二档牛校---浙大与东南.浙大自动化发展很不均衡,几乎朝着工业自动化一边倒.在这方面,既有国家重点实验室与国家工程中心,也有以孙优贤院士为首的一群牛人撑腰,在国内将同行们甩开了一大截.可惜其他领域乏善可陈,如不加强新兴方向的研究投入,很难获得较高的国际声誉.毕竟,工业自动化只是自动化的一个经典分支,并且在国际学术界受重视度十分有限.东南大学自动化有着与浙大相似的学科构成,也是偏于工程控制.该系于这方面的历史浸淫颇深,全凭多年来打下的深厚功底运作到现在.老一辈院士钱钟韩，冯纯伯为其在国内赢得了很高地位.现在的人才梯度建设也不错，有田玉平，郭雷等,CIMS更是国内独领风骚(北京第一机床厂CIMS工程:该校是工程唯一的技术依托单位，由本建设项目中的三个二级学科与"计算机应用"学科联合攻关，最终完成的，该工程获得美国制造工程师协会颁发的"工业领先奖"。这是该组织第一次授予非美国企业的国际性大奖。)，不过近年来在势力强大的弱电学科（无线电系，电子系）影响下，有着偏弱电的倾向，目前在重点发展检测技术与自动化装置、模式识别与智能系统两个二级学科。如果学科领域再有所拓展的话,应该能保住其现在的排名.第三档学校当推哈工大,西交,国防科大,北航,东北,华工等.它们的特点是在某些方向上比较突出,整体实力也还较为强劲.如哈工大,国防科大的机器人研究走在国内前列,西交的模式识别在顶尖牛人郑南宁的带领下异军突起.另外,北航的单片机与嵌入式系统,西工大的飞行器控制,南开的系统理论,中科大的系统仿真,化工过程自动化...都是值得一提的亮点.至于其他学校,继续往下排就比较模糊,意义不大了,一般可依学校名气,博士点,师资而定.小弟不再赘述.对于考研的朋友还可以考虑一下中科院的研究所.单从实力上讲的确是不错的选择.沈阳自动化所在机器人研究方面与哈工大,国防科大并称为中国的"三驾马车",北京自动化所的人工智能可与清华比肩,模式识别更是独步中华,每年在国际权威刊物上发表论文数超过国内高校的总和.另外,502所的空间卫星控制实力超群,有志于国防领域高精尖技术研究的朋友可以留意.当然这些学校分数很高，初试起码拿到370的分数才有希望，复试一般问题不大。本人认为，排名都只是虚的东西，每年的排名都会不一样。出路好才是真的好。毕业待遇好，发展前景好。这样的高校才是真正的强校参考资料：http://hi..com/david10000/blog/item/1e123d176a8281034a90a796.html清华

1、纯理论性的，以强人工智能或者神经网络为研究方向，本科可以选择神经科学，也可以选修心理学、哲学、计算机科学。2、从算法层面对人工智能的优化，本科自然要学计算机科学了，但博弈论之类重视逻辑的小类别学科也有选修或者自学的必要。3、工业应用的方面。主要应该学习自动化和机械控制。一、人工智能专业就业前景：前景很好，中国正在产业升级，工业机器人和人工智能方面都会是强烈的热点，而且正好是在3~5年以后的时间。难度，肯定高，要求你有创新的思维能力，高数中的微积分、数列等等必须得非常好，软件编程(基础的应用最广泛的语言:C/C++)必须得很好，微电子(数字电路、低频高频模拟电路、最主要的是嵌入式的编程能力)得学得很好，还要有一定的机械设计能力(空间思维能力很重要)。这样的话，你就是人才，你就是中国未来5年以后急需的人工智能领域的人才。一门深入地钻研下去，你就是这个领域的专家甚至大师。二、人工智能专业就业方向 ：人工智能可以说是一门高尖端学科，属于社会科学和自然科学的交叉，涉及了数学、心理学、神经生理学、信息论、计算机科学、哲学和认知科学、不定性论以及控制论。研究范畴包括自然语言处理、机器学习、神经网络、模式识别、智能搜索等。应用领域包括机器翻译、语言和图像理解、自动程序设计、专家系统等。1、如果是暂时没有太大倾向，既有可能做科学研究，也有可能做工程开发，可以选计算机方向，例如“计算机科学”（Computer Science），软件工程（Software Engineering），目前情况来看，最对口从事AI方向的的确是CS，AI具体的里面的子领域如Machine Learning，Computer Vision， Natural Language Processing，Data Mining等，在CS的高年级和研究生阶段都有对应的课程和研究方向。AI工作既需要非常扎实和广泛的数学基础同时也要求很高的实做能力，而CS正好在这两方面都有着重培养。2、如果是潜心做学术，搞理论研究，那么专业推荐选择“应用数学”。目前的机器学习机器学习本质上是微分方程、概率论、矩阵分析等等数学领域的一个应用场景。而近年来发展蓬勃的深度学习，正是机器学习的一个非常接近人工智能的分支。不排除现在的自动化、通信、机械 等专业在一定程度上都会往智能靠拢，无论是什么专业都可以在课外学习相关的知识，尤其是在这个优质学习资源随手可得，终身学习的时代，但在整体课程的安排上，这个专业还是会不同于其他的专业，而且这有个优点是在读研复试的时候会有些加分，缺点在于：如果不读研，那么就业平均情况是弱于其他专业的，毕竟这个专业在社会认可度较低，而且本科知识较浅，基本上对于职业化帮助不大。

推理人类智力的优越性表现在人能思维、判断和决策。思维是人类在感性认识的基础上形成的理性认识，是通过分析和综合过程来实现的，而人类思维中的分析综合过程则产生了质变，在一般的分析和综合基础上，产生了抽象和概括，比较和分类、系统化和具体化等一系列新的、高级的、复杂的思维能力，在头脑中运用概念作出判断和推理。要使机器具有智能，就必须使其具有推理的功能。推理是由一个或几个判断推出另一个判断的一种思维形式，也即从已有事实推出新的事实的过程。在形式逻辑中，推理由前提(已知判断)、结论(被推出的判断)和推理形式(前提和结论之间的联系方式)组成。人类之所以能高效率地解决一些复杂的问题，这除了拥有大量的专门知识外，还由于人具有合理选择知识和运用知识的能力，也即推理能力和推理策略。以符号逻辑为基础的人工智能，是以逻辑思维和推理为主要内容的。传统的形式化推理技术，是以经典的谓词逻辑也即演绎推理为基础，广泛应用于早期的问题求解和定理证明中，但随着人工智能研究的不断深入，人们在研究中碰到的许多复杂问题不能用严格的演绎推理来解决，因而对非单调逻辑推理等方式的研究正迅速发展起来，已成为人工智能的重要研究内容之一．感知问题感知问题是人工智能的一个经典研究课题，涉及神经生理学、视觉心理学、物理学、化学等学科领域，具体包括计算机视觉和声音处理等。计算机视觉研究的是，如何对由视觉传感器(如摄像机)获得的外部世界的景物和信息进行分析和理解，也就是说如何使计算机“看见”周围的东西。声音处理则是研究如何使计算机“听见”讲话的声音，对语音信息等进行分析和理解。感知问题的关键是必须把数量巨大的感知数据以一种易于处理的精练的方式，进行简练、有效的表征和描述。对计算机视觉做出卓越贡献的是马尔(D．Marr)教授，他认为视觉是一个复杂的信息处理过程，并有不同的信息表达方式和不同层次的处理过程，而最终的目的是实现计算机对外部世界的描述。由此，他提出了三十层次的研究方法，包括计算理论、算法和硬件实现。他的理论奠定了计算机视觉研究的理论基础，并明确指出了研究内容和研究目标．目前，计算机视觉已在图像处理、立体与运动视觉、三维物体建模和识别等方面取得了很大的进展，但离建构一个实用的计算机视觉系统还有很大的距离。在2002年岁末，有关“智能人机交互”领域的重要研究内容之一“面像识别技术”在我国取得了突破性进展，其稳定性、识别率等都达到了国际先进水平，初步达到了实用阶段。面像识别技术使计算机“人性化”、“智能化”的水平大大提高。探索在下棋或思考问题或寻求迷宫出口时，人们总要探索解决问题的原理，这就需要对之进行专门的研究。探索是人工智能研究的核心内容之一。早期的人工智能研究成果如通用问题求解系统、几何定理证明、博弈等都是围绕着如何进行有效的搜索，以获得满意的问题求解。探索是人工智能研究和应用的基本技术领域。人工智能中的问题求解和通常的数值计算不同。人工智能的问题求解首先对一个给定的问题进行描述，然后通过搜索推理以求得问题的解，而数值计算是通过程序设计的算法来实现数值的运算。人工智能问题求解的过程就是状态空间中从初始状态到目标状态的探索推理的过程。探索的主要任务是确定如何选出一个合适的操作规则。探索有两种基本方式，一种是盲目探索，即不考虑给定问题的具体知识，而根据事先确定的某种固定顺序来调用操作规则。盲目探索技术主要有深度优先搜索、广度优先搜索；另一种是启发式搜索，考虑问题可应用的知识，动态地优先调用操作规则，探索就会变得更快。探索技术中重点是启发式搜索。一般地，对给定的问题有很多不同的表示方法，但它们对问题求解具有不同的效率。在许多的问题求解中，有很多与问题有关的信息可利用，使整个问题解决过程加快，这类与问题有关的信息称为启发信息，而利用启发信息的探索就是启发式探索。启发式探索利用启发信息评估解题路径中有希望的节点进行排序，优先扩展最有希望的节点，以实现问题解决的最佳方案。博弈博弈，指赌博的学说，对抗的学问，起源于下棋。让计算机学会下棋是人们使机器具有智能的最早尝试。早在1956年，人工智能的先驱之一 ——塞缪尔就研制出跳棋程序，这个程序能够从棋谱中进行学习，并能从实战中总结经验。当时最轰动的一条新闻是塞缪尔的跳棋程序下赢了美国一个州的跳棋冠军。不过，在随后几年与世界冠军的较量中它没能占到便宜。今天的个人计算机家用软件上一般都有跳棋程序、象棋程序、五子棋程序甚至是围棋程序。即使你选择的是初级水平，要赢计算机一盘棋还真不容易呢。事实上，对于跳棋、象棋、五子棋以及围棋等博弈游戏，其过程完全可用一棵博弈树来表示，利用最基本的状态空间搜索技术来找到一条必胜的下棋路线。遗憾的是，这棵博弈树往往大得惊人，特别是像象棋程序和围棋程序。即使计算机的存储空间能够装得下所有的状态，花在搜索上的时间(也就是通常所谓朝前看几步的时间)常常长得令人不能忍受。好在现在计算机的性能越来越高，存储空间也越来越大，给人感觉上好像计算机的棋力提高了。另外，现有的计算机下棋程序建立在传统的状态空间搜索技术基础上，通过—些启发式算法对棋局中间状态获胜的可能性进行估计，并以此来决定下—步该怎么走。这一方法可以大大减少状态空间的存储和搜索，从而为现代高性能计算机战胜国际—流下棋高手进一步铺平道路。从20世纪50年代起，计算机与国际象棋高手、大师的比赛一直是人们很感兴趣的话题，计算机通过与高手的比赛来不断改进程序，计算机界有人原以为计算机可以在80年代战胜国际象棋冠军，但实际时间却有所推延。IBM公司一直有开发博弈程序这样一个传统，当年的塞缪尔就隶属于IBM公司。90年代，IBM公司先后开发了多种高性能计算机及相应的下棋软件，并把经过不断改进的下棋程序和“深蓝”计算机的矛头直接对准当今国际象棋头号高手——俄国人卡斯帕罗夫。在新闻媒体的推波助澜之下，1997年5月在美国纽约，卡氏和“深蓝”展开了令全球瞩目的又一轮人机大战。前两盘，双方下成一比一平，之后，双方连下三盘和棋，在关键性的第六盘比赛中，“深蓝”计算机发挥出色，赢得了胜利，从而以“2胜3平1负”的总比分战胜了对手，令全球观众哗然；有人形容这是一场“像人一样的机器和像机器一样的人之间的比赛”。虽然 “深蓝”计算机取胜了，但是也不能说明人工智能取得了突破性的成就。正如卡氏所说，他们之间的较量是不公平的，“深蓝”计算机掌握了他与别人下棋的大量棋谱，用到的仍然是状态空间搜索、模式匹配等传统的人工智能技术，只不过是计算机速度大幅度提高罢了。计算机取胜卡氏另外一个重要的原因是除了计算机工程师之外，IBM公司还有一帮深谙国际象棋规则和计算机知识的高手躲在“深蓝”计算机后面帮助它出谋划策，及时调整程序，如此一来，卡氏岂有不输的道理，输棋只是时间早晚的问题。如果换一种棋，比如说用计算机和人下围棋，情况又会怎样呢?目前计算机要战胜围棋一流高手恐怕还有相当大的困难，这是因为围棋的状态空间又大了很多，又复杂了很多。机器人学机器人和机器人学是人工智能研究的另一个重要的应用领域，促进了许多人工智能思想的发展，由它衍生而来的一些技术可用来模拟现实世界的状态，描述从一种状态到另一种状态的变化过程，而且对于规划如何产生动作序列以及监督规划执行提供了较好的帮助。机器人的应用范围越来越广，已开始走向第三产业，如商业中心、办公室自动化等。目前机器人学的研究方向主要是研制智能机器人。智能机器人将极大地扩展机器人应用领域。智能机器人本身能够认识工作环境、工作对象及其状态，根据人给予的指令和自身的知识，独立决定工作方式，由操作机构和移动机构实现任务，并能适应工作环境的变化。智能机器人只要告诉它做什么，而不用告诉怎么做。它共有四种基本功能，分别是：(1)运动功能，类似于人的手、臂和腿的基本功能，对外界环境施加作用。(2)感知功能，获取外界信息的功能。(3)思维功能，求解问题的认识、判断、推理的功能。(4)人机通信功能，理解指示，输出内部状态，与人进行信息交流的功能。智能机器人是以一种“认知——适应”方式进行操作的。著名的机器人和人工智能专家布拉迪(Brady)曾总结了机器人学当前面临的30个难题，包括传感器、视觉、机动性、设计、控制、典型操作、推理和系统等几个方面，指出了机器人学当前急需解决的难题。只有在这些方面有所突破，机器人应用和机器人学才能更适应社会的要求，成为开发人类智力的帮手。今天，在仿真人各种外在功能的各个方面，机器人的设计都有很大的进展。现在有一些科学家在研究如何从生物工程的角度去研制高逼真度的仿真机器人。目前的机器人离人们心目中的能够做各种家务活，任劳任怨，并会揣摩主人心思的所谓“机器仆人”的目标还相去甚远。因为机器人所表现的智能行为都是由人预先编好的程序决定的，机器人只会做人要他做的事。人的创造性、意念、联想、随机应变乃至当机立断等都难以在机器人身上体现出来。要想使机器人融入人类的生活，看来还是比较遥远的事情。人工智能的研究领域及应用人工智能的研究领域分支3335313130较多，从研究角度来分有三大分支：知识工程(knowledge engineering)、模式识别(pattern recognition)与机器人学(robotoligy)。这里仅择其中几种研究领域进行粗略的介绍。专家系统 1977年费根鲍姆提出“知识工程”，把实用的人工智能称为知识工程，标志着人工智能研究进入实际应用的阶段。他开发出了第一个“专家系统”(expert systems)，认为“专家系统是一种智能的计算机程序，它运用知识和推理步骤来解决只有专家才能解决的复杂问题”。专家系统是指利用研究领域的专业知识进行推论，在解决专业的高级问题方面具有和专家相同能力的解决系统，属于人工智能的应用领域。目前，这一领域发展较快，应用也较广，已开发出不少有实际价值的专家系统．与传统的计算机程序相比，专家系统是以知识为中心，注重知识本身而不是确定的算法．专家系统所要解决的是复杂而专门的问题，对这些问题人们还没有精确的描述和严格的分析，因而一般没有解法，而且经常要在不确定或不精确的信息基础上做出判断，需要专家的理论知识和实际经验。标准的计算机程序能精确地区分出每一任务应该如何完成，而专家系统则是告诉计算机做什么，而不区分出如何完成，这是两者最大的区别。另外，专家系统突出了知识的价值，大大减少了知识传授和应用的代价，使专家的知识迅速变成社会的财富。再者，专家系统采用的是人工智能的原理和技术，如符号表示、符号推理、启发式搜索等等，与一般的数据处理系统不同。60年代末，以猜测为基础的第一个专家系统Dendral是由费根鲍姆和莱登伯格在斯坦福大学共同设计的，当时用于分析化合物的化学结构。这一系统至今仍被有机化学家经常使用。70年代中期，肖特列夫开发了Mycin这一专家系统，它是针对传染性血液病的诊断和治疗开发的。把患者的病状输入后，经过Mycin推理，最终由计算机开出处方来。据检测，Mycin的能力通常并不比专门的医生逊色。但它没敢投入实际使用，只是在培养医生的学校当作教材在使用。还有由斯坦福研究所美国地质调查国际组织开发的“探矿人”(Prospector)专家系统，波音公司的专家系统可辅助工程师更快地设计飞机等等。从不同角度，专家系统也可分为多种类型。从其完成的功能来分，可包括诊断、解释、修理、规划、设计、监督、控制等多种类型，这些功能又可分为两大类：分析型和综合型。分析型专家系统所要解决的问题有明确的、有限个数的解，系统的任务在于根据实际的情况选择其中一种或几种解。综合型专家系统的任务是根据实际的需要构造问题的解，包括设计、规划等问题。此外，也可根据知识的特征和推理的类型对专家系统进行分类。专家系统在各个领域的应用已经产生了很可观的经济效益，这从另一方面促进了对专家系统的理论和技术方面的研究。开发专家系统的关键是如何获取知识，如何表示、运用人类专家的知识，这方面的研究也就成了重点。对这一点，范伦特(K．Vanlent，1987)作了充分说明：“我们应该去建构一个专家系统，去模拟专家的问题解决。专家行为，不管是由人或机器产生，都是他(它)的知识产物，但是，用什么能解释知识呢?尽管可以用不同的方式进行测量或限定，但对专家知识的形式和内容的最终解释，是人用来获取知识的学习过程。实际上，对于专家问题解决，学习理论可能是唯一足够科学的理论。”自然语言处理自然语言处理是人工智能早期的研究领域之一，也是一个极为重要的领域，主要包括人机对话和机器翻译两大任务，是一门融语言学、计算机科学、数学于一体的科学。由于以乔姆斯基为代表的新一代语言学派的贡献和计算机技术的发展，自然语言理解正在变得越来越热门．有很多理由值得人们去研究如何使计算机程序能以某种方式使用自然语言的问题。口语是人们进行交际的自然形式，计算机用户希望能与机器对话交流。自然语言输入可以表示成口语，也能从键盘上打入，以文体的形式给出。最早的自然语言理解方面的研究工作是机器翻译。1949年，美国人威弗首先提出了机器翻译设计方案。20世纪60年代，国外对机器翻译曾有大规模的研究工作，耗费了巨额费用，但人们当时显然是低估了自然语言的复杂性，语言处理的理论和技术均不成热，所以进展不大。主要的做法是存储两种语言的单词、短语对应译法的大辞典，翻译时一一对应，技术上只是调整语言的同条顺序。但曰常生活中语言的翻译远不是如此简单，很多时候还要参考某句话前后的意思。例如，英语的一句话：Stay away from the bank．由于bank有银行和河堤两个意思，因此上面这句活应该翻译成“不要靠近那家银行”呢?还是“不要靠近河堤”呢?显然，光翻译这句话本身不看背景场合，不能保证翻译的正确，需要上下文联系起来才能正确翻译，这就是技术难度高之所在。从20世纪70年代末期，随着机器翻译理论和计算机技术的进步，机器翻译有很大的进展。一种常见的做法是将语言的翻译分为“原语言的理解”和“所理解的语言表达成目的语言”两个子过程。这样就需要—种中间语言，只要做好原语言到中间语言以及中间语言到目的语言的转换程序，就可完成翻译。这种办法还容易实现—种语言到多种语言的翻译系统。到现在为止，西语系的一些语言(例如法语、英语)之间的互译技术已经比较成熟，双向翻译辅助系统准确性比较高，不过，翻译完后，还要对译文稍作修改。1995年，松下公司试制成功一种可进行曰英文对译的可视电话，引起了人们的广泛兴趣。该系统由计算机语音识别、声音合成和可视电话通信三个子系统组成，使用者可以用各自的语言进行交谈，通过分析语音波形的变化，该系统可从3000个例句中选择出语意最接近的单词，其识别率达到98％。据称，只要备有专用词典，就可以用它来流利地进行会话。对于我们每天使用的汉语，总的来说，与其他语言的互译水平还不太高，其中与英语的互译水平稍微高—些，市面上已有多种翻译软件出售。主要是我们对汉语的形式化研究还不够，特别是汉语与西方语言不是一个语系，翻译起来难度较大。总之，要真正建立一个能够生成和理解自然语言的计算机处理系统是相当困难的。因为，语言的生成和理解是一个极为复杂的编码和解码过程，一个能理解用自然语言来表达信息的计算机系绕，就应像人那样，不仅需要掌握上下文知识和语境等有关信息，而且还要能够利用这些知识进行推理，人具备大量的经验以及拥有自己的观点和对世界的看法，而现在的机器还做不到这一点。机器翻译离达到“自然的理解和表达”这个最终目标还有相当大的距离。 目前所能做到的仍然是人工辅助型的翻译系统，即靠人对翻译的结果进行修正，来获得自然的翻译。