发布时间：2023-06-07 15:34:59
序言：写作是分享个人见解和探索未知领域的桥梁，我们为您精选了8篇的人工智能研究综述样本，期待这些样本能够为您提供丰富的参考和启发，请尽情阅读。
人工智能是信息时代的一大特点之一，也是人类认识世界和改变世界的一大成果，是人类客观能力发展的高峰。本文的研究旨在从理论的角度对人工智能的相关概念和发展历程进行阐述，对人工智能的现阶段研究进行介绍，对已有的人工智能研究成果进行简要的分析。以期能够更好地促进人工智能的阶段性发展，帮助其在社会中的应用和发展。
【关键词】人工智能 发展 应用
人工智能是产生于20世纪50年代的一门综合高科技学科，它将机器智能和智能机器的概念和技术进行了融合，应用过程涉及了信息科学、心理学、思维科学、生物科学、认知科学以及系统科学等多种学科，随着近些年的不断发展和进步，已经在社会中的很多地方得以应用，向着多元化的方向发展，例如，在博弈、智能机器人、模式识别、自动程序设计、知识处理、自然语言处理、专家系统、自动定理证明、知识库等方面，人工智能都已经取得了很高的成就，备受世人关注。
1 人工智能概述
人工智能，又称为AI，是Artificial Intelligence的简称。可以算作是计算机科学的一个分支，是在1956年的Dartmouth 学会上由McCarthy正式提出的，之后便跻身于世界三大尖端技术之一。很多学者都将人工智能定义为通过研究使计算机来完成之前只有人才能完成的智能属性较高的工作。但是关于人工智能的最完整定义，当前业内还存在一定的正义，尚未形成统一的结果，但是所有的这些说法都能够反映出人工智能的基本内容和基本思想，因此在本文中，笔者将其概念整理为：研究人类智能活动的规律，构造具有一定智能行为的人工系统。
2 人工智能的发展
人工智能的发展最早始于20世纪50年代，并在20世纪60年代更加壮大，形成了人工智能的初级阶段。这一时期的研究偏向于运用领域知识和启发式思维发展，编写相关的智能计算机程序，为现代的计算机理论奠定一定的基础。从1963年之后，人工智能便进入了研究的第二阶段，人类尝试用自然语言通讯，实现了计算机对自然语言的理解，并将分析图像和图形处理变得可行。70年代中，在进行了大量的研究和探索后，一些专家级的程序系统相继出现，在各个领域得到运用。80年代，人工智能进入到以知识为中心的发展阶段，更多的人开始注意到模拟智能中知识的重要性，围绕这一现象进行了更多的研究和探索。现如今，人工智能的发展正在朝着大型分布式人工智能及多专家协同系统、并行推理、多种专家系统开发工具，以及大型分布式人工智能开发环境和分布式环境下的多智能体协同系统等方向发展。
3 人工智能的研究与应用
3.1 问题求解
求解问题往往是人工智能发展的第一步。一般过程是将复杂问题分成一些较简单的子问题，通过解决子问题的基本技术完成人工智能基本技术的组成。当前依然存在一些未真正解决额问题，例如问题的表示也成为问题的原概念在表述时往往存在解决不了的问题，这边构成了人类发展人工智能过程中的主要工作内容。
3.2 专家系统
专家系统也是研究人工智能的重要分支，这一理论能够将所研究的问题转化为知识求解的专门问题，从而实现人工智能从理论研究到实际应用的重要过度。专家系统可以看作是一种智能的软件，通过启发式方法对一般难以解决的问题进行求解，在不完全、不精确的信息背景下做出结论。专家系统的基本结构如图1所示。
3.3 机器学习
机器学习是对计算机模拟人类活动并实现人类活动而进行研究的过程。它是在专家系统之后出现的人工智能另一重要领域，是计算机能够有智能属性的根本途径，具有很高的重要性。
3.4 神经网络
人工神经网络是由数量巨大的神经元互相连接组成的，也可称作类神经网络或神经网络。神经网络通过大量节点之间的相互连接构成运算模型，通过模拟人的大脑的基本运算机制和机理来实现特定方面的功能。
3.5 模式识别
模式识别是指通过计算机技术让计算机代替人类进行感知和识别。计算机模式识别系统能够让计算机在模拟人类感觉器官功能的帮助下对外界形成感知能力。随着模式识别的发展和壮大，量子计算机技术也已经在模式识别系统中得到运用。早期的模式识别系统仅仅是针对文字或二维图像，但是随着技术的进步，对三维景物的识别方面也已经有了重大突破，并已经延伸到活动物体的识别和分析，取得了长足的进步。
4 结束语
作为一门伟大的科学成就，人工智能的诞生无疑成为20世纪最重要的技术之一，而它也必将成为未来发展的主导学科之一。当前，人工智能的一些研究成果已经在国民生活和生产中得到了广泛的应用，随着信息时代网络技术和知识经济的不断发展，人工智能的技术成果必将受到更多的重视，得到更广泛的应用，更多的推动社会和科技的进步和发展，为人类的生活发挥更多的作用。
参考文献
[1]魏金河.人工智能能否完全替代人类智能[J]. 创新科技，2007（08）.
[2]钱铁云.人工智能是否可以超越人类智能？―计算机和人脑、算法和思维的关系[J].科学技术与辩证法，2004（05）.
[3]雷・库兹韦尔，盛杨燕.如何创造思维：人类思想所揭示出的奥秘[J].中国科技信息，2014（08）.
[4]蔡曙山.哲学家如何理解人工智能―塞尔的“中文房间争论”及其意义[J].自然辩证法研究，2001（11）.
[5]张妮，徐文尚，王文文.人工智能技术发展及应用研究综述[J].煤矿机械，2009（02）.
关键词：新一代计算机；人工智能技术；发展趋势
“人工智能”是在1956年的Dartmouth学会上提出的，英文缩写是AI。它是计算机科学等多种学科互相渗透而发展起来的综合性、交叉性学科。从计算机应用系统的角度出发，人工智能是研究如何模拟人类智能活动，使机器能够胜任一些需要人类智能才能完成的复杂工作，以延伸人类智能的科学。
二、人工智能技术的发展状况
随着计算机、信息和并行程序设计技术的发展，人工智能的研究已经发展成为智能体系的研究。到目前为止，人工智能程序已经知道考虑他们要解决的问题，从而寻找比较好的答案。智能体体系可以被认为是智能体的软件工程模型，智能体语言是智能体的软件系统。在我国，智能体技术多被应用到处理具有异构、布、态、规模及自主性的系统中，如Internet，是人工智能技术的新应用。
目前，人工智能技术在美国等欧洲国家仍保持非常快的发展速度。在人工智能技术领域十分活跃的IBM公司，已经为加州劳伦斯利佛摩尔国家实验室制造了号称具有人脑的千分之一智力能力的ASCIWhite电脑。据称，其正在开发的更为强大的blue jean电脑的智力水平将与人脑相当。
三、新一代计算机和人工智能技术的应用
随着人工智能技术的不断发展，越来越多的技术发展都涉及到人工智能，人工智能已经被广泛应用到许多领域。
（一）人工智能技术在计算机符号计算中的应用
计算机最主要的用途之一就是科学计算，通常分为纯数值的计算和符号计算两种。其中符号计算是一种智能化的计算。随着新一代计算机的开发和普及以及人工智能技术的发展，多种功能计算机代数系统软件相继出现，都是用C语言写成的，可以在绝大多数计算机上使用。
（二）人工智能技术在计算机模式识别中的应用
计算机用数学方法研究模式的自动处理就是模式识别。用计算机实现模式的自动识别和判断，是利用人工智能技术开发智能机器的关键，计算机模式识别的特点是效率高，速度快，准确率高，也为人类认识自身智能提供了有利线索。
（三）计算机的机器翻译
计算机把一种语言转变为另一种语言的过程就是机器翻译。目前，我国的机器翻译软件的翻译特点，大致可以分为三类：词典翻译、汉化翻译和专业翻译。词典翻译软件可以迅速查询英文单词或词组的词义，并提供发音；汉化翻译软件提出“智能汉化”的概念，辅助翻译作用更加明显。
（四）人工智能技术在计算机机器学习中的应用
计算机的机器学习主要研究如何使计算机能够模拟或实现人类的学习能力。机器学习是机器具有智能能力的重要标志，也是机器获取知识的根本途径。机器学习是一个难度较大的研究领域，它与认知科学和逻辑学等学科都有着密切的联系，并对人工智能的其他分支也会起到重要的推动作用。
（五）人工智能技术在计算机问题求解中应用
人工智能技术在今天的计算机程序已能够达到各种方盘棋和国际象棋的锦标赛水平。但是，尚未解决包括人类棋手的表达能力和洞察能力等。人们通常都能根据具体问题找到思考问题和解决问题的办法，目前，人工智能技术已能通过计算机程序知道如何考虑要解决的问题，寻找较为准确的解答方法。
（六）人工智能技术在计算机推理证明中应用
逻辑推理在人工智能研究中是最持久的探究领域之一，其别重要的是，通过找到合理准确的方法，集中注意力在大型数据库中的有效事实上，关注可信证明，并在出现新信息时适时修正这些证明。因此，在人工智能方法的研究中，定理证明是一个极其重要的论题。
（七）人工智能技术在计算机语言处理中的应用
自然语言处理是人工智能技术应用于实际领域的典型范例，经过多年艰苦努力，这一领域已获得了大量令人瞩目的成果。目前该领域的主要课题是：计算机系统如何以主题和对话情境为基础，注重大量的常识——世界知识和期望作用，生成和理解自然语言。这是一个极其复杂的编码和解码问题。
（八）人工智能技术在计算机专家系统中的应用
专家系统是人工智能技术中最活跃、最有成效的研究领域，是具有特定领域内大量知识与经验的程序系统，已出现成功应用人工智能技术的趋势。计算机程序如果能体现和应用人类知识，就应该可以帮忙解决问题，而且能发现人类专家在推理过程中出现的差错。
四、新一代计算机和人工智能技术的发展趋势
新一代计算机和人工智能技术的发展潜力巨大，其作为一个整体的研究才刚刚开始。人工智能技术的发展总是超乎人们的想象，要准确地预测人工智能的未来，从目前一些前瞻性的研究中可以看出，未来人工智能技术可能会朝以下几个方向发展：模糊处理、并行化、神经网络和机器情感。
（1）自动推理是新一代计算机和人工智能技术最经典的研究分支，其基本理论是新一代计算机和人工智能技术其它分支的共同基础。其中知识系统的动态演化特征及可行性推理的研究，是最新的热点，很有可能取得突破。
（2）机器学习的研究使得许多新的学习方法相继问世，并获得了成功应用。但是也应看到，现有的机器学习方法尚不够有效，寻求一种新的方法，以解决新一代计算机和人工智能技术研究中的在线学习问题，是研究人员共同关心的问题。
（3）自然语言处理是新一代计算机和人工智能技术应用于实际领域的典型范例，这一领域已获得了大量令人瞩目的理论与应用成果。智能信息检索技术近年来已成为新一代计算机和人工智能技术的一个独立研究分支，将新一代计算机和人工智能技术应用于计算机科学与技术领域的研究，是人工智能走向应用的突破口。
五、结束语
很多新一代计算机和人工智能技术研究的成果已经进入人们的日常生活。未来，人工智能技术的发展将会给人类的知识、思考、生活、工作和教育产生巨大的影响，在人类的生活中占据一席之地，成为人类生活的伙伴。
参考文献：
[1]吴艳.关于“人工智能”技术发展的思考[J].和田师范专科学校学报.2010.
[关键词]人工智能；智能化营销；消费体验；消费体验模型
[DOI]1013939/jcnkizgsc201711213
1相关概念界定
11“消费体验”的定义
目前的消费类型主要分为功能型消费和体验型消费，和传统的功能型消费不同的是，体验型消费的重点不仅仅是购买商品，购物的过程同样受到关注。在体验式消费中，消费者通过看、听、触摸等感官感受来感知产品和品牌内涵。消费体验就是体验型消费中的重要部分。
方征（2007）认为，消费体验是一种超乎有形产品或服务的非凡感受或情感，而这种感受或情感的来源是由消费者主动追求或消费者间互动而成的。
12“人工智能”的定义
人工智能（Artificial Intelligence，AI），是计算机技术领域的一个重要研究部分，至今已经过了一个多世纪的发展。斯图尔特・罗素（2013）认为，人工智能是一种类人行为，类人思考，理性的思考，理性的行动。人工智能工程师张思楠认为，人工智能的重点应在“智能”上，他认为“智能”是一种获取知识的能力。在他看来，人工智能即由人类造的智能实体，这种智能实体，只是在标准和功能上要求与人的思考与认识水平相近或是超越人类。美国MIT大学Winston教授（2012）认为：人工智能是研究如何使计算机去做过去只有人才能做的智能的工作。目前“人工智能”的定义仍未统一，但关于人工智能的基本内容已经形成共识，因此笔者认为人工智能可以理解为利用人工手段，通过机器模范人的思维与行为，并对其进行拓展。
2文献综述
对现有的文献进行研究后发现，目前对消费体验的研究已经趋于成熟。而人工智能在国内作为一个新兴事物，其研究仍处于起步阶段。
菲利普・科特勒在《市场营销》（2003）一书中提到，产品策划者需要考虑产品和服务的三个层次，每一个层次都会增加消费者价值。第一层是：顾客核心价值；第二层是：产品策划者必须围绕产品的核心利益，构造一个实体产品；第三层是：产品策划者还要向顾客提供一些附加服务的利益，以便围绕核心利益和实体产品构造扩展产品。如今，我们正处于新一轮的消费升级阶段，在这一阶段，第三层内容格外受到重视。这也就意味着消费者在消费时会更加注重售前与售后服务和连带性消费体验。菲利普・科特勒的产品与服务层次见下图。
在现有的相关研究中，不同学者提出了不同的消费体验模型。
方征（2007）总结了几种消费模型：Holbrook提出的体验观点ES表；Pine和Gilmore将体验的运作分为两大构成及四种类型；而Schmitt认为，要想给予消费者满意的消费体验，最重要的任务是为消费者创造不同的体验形式。由此提出了战略体验模型，将消费体验分为感官体验、情感体验、思考体验、行动体验和关联体验五个维度。本文也将以此模型为基础，探讨人工智能是如何提升消费体验的。
吴秋蓉（2011）认为，战略体验模型的五个维度可以分为个人体验（感官、情感和思考体验）与共享体验（行动和关联体验）。他认为个人体验是即时性的，形成的时间比较短，容易被感受到，但会随着时间的流逝而逐渐消退，常常被外界的环境刺激诱发；而共享体验是在与人的互动过程中形成，而且需要一定时间的积累，这种体验不容易被感受到。
在有关人工智能的研究中，人工智能和营销的结合的研究多停留在现状的描述和案例分析层次。
丁道师（2016）以百度为案例，探讨了人工智能为品牌带来的价值。他认为人工智能为品牌带来了新的营销价值，同时人工智能在场景营销中的应用能够帮助提升用户价值。谷虹（2016）在文中将人工智能与品牌结合，提出人工智能将推动“品牌智能”的发展，品牌将从前智能阶段进化到高级智能阶段。韩思齐（2016）提出，在人工智能时代，营销开始向智能化发展，营销活动的智能化体现在：人工智能优化营销数据搜集和处理方式、人工智能提供个性化的营销策略、人工智能改变广告投放方式三个方面。从现有的人工智能相关研究上来看，大多数学者都已经意识到人工智能为营销带来的改变，同时提到人工智能对用户体验和价值都有提升，但却没有文章对其进行系统的论述。
3人工智能创造全新消费体验
2016年成为中国智能化营销的元年，人工智能更好地理解市场、联系市场，从而为消费者创造更好的体验。在营销领域，人工智能的三种革命性技术将极大地改变消费体验：以准确预测和个性化服务为主要应用场景的数据洞察技术、以虚拟现实、数字语音交互推动的互动技术、以云计算、机器学习和神经网络为基础的基础技术。
31数据洞察技术――了解消费者需求
随着大数据技术的发展，企业和品牌可以通过获得大量的数据来更好地理解自己的商业，并改善消费者的购物体验。而在智能化时代，人工智能和大数据的结合，让被营销人员忽略的“暗数据”开始发挥作用，在加快个性化服务发展的同时，更加准确地预测消费者需求。
IBM的Watson，作为目前最出名的人工智能系统，拥有最新的消费者-产品配对的大数据技术，并且与全球众多销售品牌进行合作，提品服务。户外服装品牌The North Face利用Watson打造全新的购物体验。消费者在购买The North Face产品时，Watson会提出一系列问题，并根据消费者对这些问题的回答筛选出相应的产品，从而最大限度地满足消M者需求。
The North Face采用的是文本分析技术，但社交网络和智能手机的发展带来了海量图片信息，图像识别与数据处理技术的结合将成为人工智能另一个发展方向。这项技术通过捕捉消费者上传的图片并进行深度理解，丰富用户画像，使得营销者对消费者的洞察更加立体。
管理大师彼得・德鲁克认为，营销的终极目的是充分洞察和了解顾客，通过人工智能技术对文本和图片信息进行深度分析，使得营销人员能够更加准确地了解消费者需求，满足消费者需求，增强消费者在消费时积极的情感体验，引发消费者的内在情绪，使消费者在不知不觉中融入品牌所创造的氛围中，并在不断的接触中增强对品牌的好感度。
32互动技术――激起消费者心流体验
营销从最开始的图文时代到视频时代，其目的都是为了通过寻找新的信息载体来提升消费者观看广告的体验，更加主动地接受广告信息。而如今的人工智能与VR技术的结合，通过互动感和沉浸感成为吸引消费者的最大法宝。随着VR和人工智能技术的日渐成熟，将营销推向一个全新的阶段。
2016年，我国最大的VR看房平台“无忧我房”推出了人工智能销售――Hugo。消费者通过戴上VR设备，操作手操柄唤出AI，并向其提问，AI通过记录消费者的相关数据，包括房屋不同位置停留时间、语音语调等来形成客户分析表，分析客户购房意向和实力并对客户进行分级。Hugo通过将人工智能与VR结合，为购房者提供了更良好的购房体验，并推动房地产行业进入科技营销时代。
同时，人工智能和VR技术还将应用于食品行业。百度和伊利联合推出的“度密看伊利”VR体验活动，将人工智能与VR结合，消费者通过手机百度就可以“亲临”牧场，体验加工厂。百度还和伊利联合定制了纸盒版VR眼镜，消费者可以通过VR设备进入VR模式，将可视化引进食品行业，为消费者提供更真实有趣的消费体验。
除了VR营销外，人工智能还应用在语音互动广告技术方面。优数科技的一款智能软件可以帮助用户跳过片头。例如，在视频的片头广告中设置一系列问题，用户在观看广告的同时可以利用语音与广告进行交互，答对问题就能够跳过片头。通过这一方法，用户在节省时间的同时还能够了解到品牌和产品信息。在这一过程中，用户会融入自己的思考体验，从而加深对品牌的认知与记忆。
一直以来，京东凭借其极速物流而获得大量用户青睐。但最近，京东的技术研发体系不断在智能技术上发力，期望构建一智能电商王国。在看到语音交互的趋势后，京东通过叮咚智能音箱，将语音技术、电商服务、人工智能技术相结合，实现语音购物体验。消费者可以通过该设备完成订单追踪、查询商品信息和下单指令。京东通过将语音交互入口和互联网结合，拓展了购物空间和人群，并提供更为便捷的购物方式。
在人工智能的互动技术下，传统的营销方式正在改变，品牌不再是冰冷的一个标志，消费的过程也不再是一成不变的过程的重复。人工智能的互动技术将营销引入了一个全新的领域，通过与消费者进行互动，使消费者在互动中进行思考，激起消费者的心流体验，提升消费者在消费过程中的情感与思考体验。
33基础技术――打造会话式互动
Forrester、埃森哲和德勤都在其2017新技术趋势报告中提到了“对话营销”一词。这意味着营销已经开始从“社会化营销”向“对话营销”转变。在Forrester的消费趋势报告中写到，如今的消费者更倾向于自动化的消费体验，自己解决问题。同时，社交媒体的创意广告对消费者将不再具有明显的吸引力，而一对一的营销模式才是消费者更能接受的。“对话营销”带来的是会话式互动，会给消费者带来更好的消费体验。
很多具有前瞻性的企业已经开始利用会话式互动来提升消费者的消费体验。2016年4月，上海肯德基选择与百度的“度秘机器人”进行合作，联合推出智能概念店“KFC original+”“度密机器人”在体验店中帮助消费者完成以点餐为主的服务。例如，在点餐区域，消费者可以利用机器人完成点餐活动；在全息投影区域，消费者通过机器人可以看到肯德基食品的制作过程。“度秘机器人”与肯德基的结合是基于特定场景的消费者服务，肯德基与智能机器人的结合，不仅为消费者带来一对一的服务和新鲜便捷的消费体验，还通过这种一对一的会话式互动，以消费者乐于接受的方式加深品牌印象，并为肯德基贴上“智能化”的标签。
作为一家电商企业，亚马逊也在智能化方面推陈出新。作为亚马逊智能家具的入口产品，智能音箱Echo的基本功能就是语音购物，语音选购商品，并进行语音支付，并且支持重新买你以前买过的东西。Echo通过内置的Alexa人工智能服务来完成消费者的每一个口令，整合购物的每一个环节。同时，它还包括外卖、优步等O2O服务，增加消费的便捷性。Echo通过提供一对一服务满足消费者需求并与其进行互动，而其背后代表的亚马逊品牌也在消费者与Echo的对话中进行隐形的互动。
任何消费体验的提升都在于如何满足消费者需求。人工智能对产品带来的一个深刻的影响，是从单一功能的极致转向连续场景的整合，可以让用户以较低的成本和较短的时间解决不同场景的需求。亚马逊的智能音箱和“度秘机器人”可以在与消费者的对话中轻松地满足消费者的需求，在提升消费者情感体验的同时与消费者进行互动，保持行动体验。
4结论
人工智能已经从计算机领域渗透营销领域，人工智能和营销结合所产生的富有创意且沉浸式的内容、互动的场景都为消费者创造了更好的消费体验。首先，在产品设计上更具有科技感，刺激消费者的感官体验；其次，通过一系列的产品设计和服务优化消费者消费过程，增加消费者在消费时愉悦的感受，提升消费者情感体验；最后，将产品与人工智能结合，在互动中提升消费者的思考与行动体验。但是，在对人工智能产品进行分析后发现，大部分产品都致力于提升消费者的情感、思考和行动体验，而关联体验却被忽略，大部分产品的社交属性并不明显。在人工智能时代，智能产品的社交化发展也许会成为下一个趋势。
虽然人工智能可以帮助品牌在多个方面提高营销效果，但若想营销完全智能化，笔者认为目前是不可能的。菲利普・科特勒认为，市场营销是个人和集体通过创造并同他人交换产品和价值以满足需求和欲望的一种社会和管理过程。他认为，营销的目的都是为了发现用户需求和激发欲望，而消费者的欲望很难用机器捕捉。同时，激发和满足欲望少不了营销沟通，而营销沟通是双向互动行为，在目前是无法完全由人工智能代替的。因此，智能化虽然是营销发展的新方向，但完全的营销智能化还有很长的路要走。
参考文献：
[1] 方征消费体验研究概览[J].湖北第二师范学院学报，2007，24（7）：73-74
[2]Russell，Norvig人工智能：一种现代方法[M].2版北京：人民邮电出版社，2010
[3] 邹蕾，张先锋人工智能及其发展应用[J].信息网络安全，2012（2）：11-13
[4] 科特勒，俞利军现代营销学之父菲利普科特勒经典译丛：市场营销[M].北京：华夏出版社，2003
关键词：AlphaGo；人工智能；围棋；未来展望
中图分类号：TP18 文献标识码：A 文章编号：1671-2064（2017）07-0193-02
1 围棋与人工智能
围棋作为中国传统四大艺术之一，拥有着几千年的悠久历史。围棋棋盘由19条横线和19条竖线组成，共有19*19=361个交叉点，围棋子分为黑白两种颜色，对弈双方各执一色，轮流将一枚棋子下在纵横交叉点上，终局时，棋子围上交叉点数目最多的一方获胜。围棋棋盘上每一个纵横交叉点都有三种可能性：落黑子、落白子、留空，所以围棋拥有高达3^361种局面；围棋的每个回合有250种可能，一盘棋可长达150回合，所以围棋的计算复杂度为250^150，约为10^170，然而全宇宙可观测的原子数量只有10^80，这足以体现围棋博弈的复杂性和多变性。
人工智能（Artificial Intelligence，AI）主要研究人类思维、行动中那些尚未算法化的功能行为，使机器像人的大脑一样思考、行动。长期以来，围棋作为一种智力博弈游戏，以其变化莫测的博弈局面，高度体现了人类的智慧，为人工智能研究提供了一个很好的测试平台，围棋人工智能也是人工智能领域的一个重要挑战。
传统的计算机下棋程序的基本原理，是通过有限步数的搜索树，即采用数学和逻辑推理方法，把每一种可能的路径都走一遍，从中选举出最优路径，使得棋局胜算最大。这种下棋思路是充分发挥计算机运算速度快、运算量大等优势的“暴力搜索法”，是人类在对弈规定的时间限制内无法做到的。但是由于围棋局面数量太大，这样的运算量对于计算机来讲也是相当之大，目前的计算机硬件无法在对弈规定的时间内，使用计算机占绝对优势的“暴力搜索法”完成围棋所有局面的择优，所以这样的下棋思路不适用于围棋对弈。
搜索量巨大的问题一直困扰着围棋人工智能，使其发展停滞不前，直到2006年， 蒙特卡罗树搜索的应用出现，才使得围棋人工智能进入了崭新的阶段，现代围棋人工智能的主要算法是基于蒙特卡洛树的优化搜索。
2 围棋人工智能基本原理
目前围棋人工智能最杰出的代表，是由谷歌旗下人工智能公司DeepMind创造的AlphaGo围棋人工智能系统。它在与人类顶级围棋棋手的对弈中充分发挥了其搜索和计算的优势，几乎在围棋界立于不败之地。
AlphaGo系统的基本原理是将深度强化学习方法与蒙特卡洛树搜索结合，使用有监督学习策略网络和价值网络，极大减少了搜索空间，即在搜索过程中的计算量，提高了对棋局估计的准确度。
2.1 深度强化学习方法
深度学习源于人工神经网络的研究，人类大量的视觉听觉信号的感知处理都是下意识的，是基于大脑皮层神经网络的学习方法，通过模拟大脑皮层推断分析数据的复杂层状网络结构，使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象，其过程类似于人们识别物体标注图片。现如今，应用最广泛的深度学习模型包括：卷积神经网络、深度置信网络、堆栈自编码网络和递归神经网络等。
强化学习源于动物学习、参数扰动自适应控制等理论，通过模拟生物对环境以试错的方式进行交互达到对环境的最优适应的方式，通过不断地反复试验，将变化无常的动态情况与对应动作相匹配。强化学习系统设置状态、动作、状态转移概率和奖赏四个部分，在当前状态下根据策略选择动作，执行该过程并以当前转移概率转移到下一状态，同时接收环境反馈回来的奖赏，最终通过调整策略来最大化累积奖赏。
深度学习具有较强的感知能力，但缺乏一定的决策能力；强化学习具有决策能力，同样对感知问题无能为力。深度强化学习方法是将具有感知能力的深度学习和具有决策能力的强化学习结合起来，优势互补，用深度学习进行感知，从环境中获取目标观测信息，提供当前环境下的状态信息；然后用强化学习进行决策，将当前状态映射到相应动作，基于初期汇报评判动作价值。
深度强化学习为复杂系统的感知决策问题提供了一种全新的解决思路。
2.2 蒙特卡洛树搜索
蒙特卡洛树搜索是将蒙特卡洛方法与树搜索相结合形成的一种搜索方法。所谓蒙特卡洛方法是一种以概率统计理论为指导的强化学习方法，它通常解决某些随机事件出现的概率问题，或者是某随机变量的期望值等数字特征问题。通过与环境的交互，从所采集的样本中学习，获得关于决策过程的状态、动作和奖赏的大量数据，最后计算出累积奖赏的平均值。
蒙特卡洛树搜索算法是一种用于解决完美信息博弈（perfect information games，没有任何信息被隐藏的游戏）的方法，主要包含选择（Selection）、扩展（Expansion）、模拟（Simulation）和反向传播（Backpropagation）四个步骤。
2.3 策略网络与价值网络
AlphaGo系统拥有基于蒙特卡洛树搜索方法的策略网络（Policy Network）和价值网络（Value Network）两个不同的神经网络大脑，充分借鉴人类棋手的下棋模式，用策略网络来模拟人类的“棋感”，用价值网络来模拟人类对棋盘盘面的综合评估。
AlphaGo系统主要采用有监督学习策略网络，通过观察棋盘布局，进行棋路搜索，得到下一步合法落子行动的概率分布，从中找到最优的一步落子位置，做落子选择。DeepMind团队使用棋圣堂围棋服务器上3000万个专业棋手对弈棋谱的落子数据，来预测棋手的落子情况。期间，系统进行上百万次的对弈尝试，进行强化学习，将每一个棋局进行到底，不断积累“经验”，学会赢面最大的棋路走法，最终达到顶级围棋棋手的落子分析能力。而AlphaGo的价值网络使用百万次对弈中产生的棋谱，根据最终的胜负结果来进行价值网络训练，预测每一次落子选择后赢棋的可能性，通过整体局面的判断来帮助策略网络完成落子选择。
3 围棋人工智能意义
经过比赛测试证明，AlphaGo系统的围棋对弈能力已经达到世界顶级棋手水平。一直以来，围棋因为复杂的落子选择和巨大的搜索空间使得围棋人工智能在人工智能领域成为一个具有代表性的难度挑战。目前的硬件水平面对如此巨大的搜索空间显得束手无策，AlphaGo系统基于有监督学习的策略网络和价值网络大大减少搜索空间，在训练中开创性地使用深度强化学习，然后结合蒙特卡洛树搜索方法，使得系统自学习能力大大提高，并且AlphaGo系统在与人类顶级棋手对弈中取得的连胜卓越成绩，槠湓谌斯ぶ悄芰煊虻於了坚实的里程碑地位。
虽然围棋人工智能取得了如此优秀的成绩，但是也仅仅是它在既定规则内的计算处理能力远远超过了人类的现有水平，并且还有有待提高和完善的地方。在人类的其他能力中，例如情感、思维、沟通等等领域，目前的人工智能水平是远远达不到的。但是随着科技的进步和人类在人工智能领域的研究深入，人工智能与人类的差距会逐渐减小，像围棋人机大战人工智能连胜人类这样的例子也可能在其他领域发生，这就意味着人工智能的发展前景十分可观。
4 结语
人类和人工智能共同探索围棋世界的大幕即将拉开，让人类棋手结合人工智能，迈进全新人机共同学习交流的领域，进行一次新的围棋革命，探索围棋真理更高的境界。
参考文献
Abstract: Knowledge representation is one of the central topics in artificial intelligence. Conceptual Structure is a new and effective knowledge representation method and Conceptual Graph is a concrete semantic model supported Conceptual Structure thoughts. This paper discussed the relation between Conceptual Structure and Conceptual Graph, the method and features of Knowledge representation about Conceptual Graph. Finally, it elaborated the application of Conceptual Graph in Chinese information processing.
关键词:知识表示;概念结构;概念图;语义
Key words: knowledge representation;conceptual structure;conceptual graph;semantic
中图分类号:TP391 文献标识码:A文章编号:1006-4311(2010)26-0145-02
0引言
知识是人类智能的基础,知识的表示是人工智能学科研究的三个主要问题之一[1]。人工智能经过半个多世纪的发展,研究出了多种知识表示方法,如一阶谓词逻辑、规则、框架、语义网络等。这些方法对于描述特定领域的问题求解已足够了,并已得到广泛的应用,但传统的知识表示方法就不能确切地表达语义问题。因此,传统的知识表达方法能力还很有限,知识表示仍是很久以来人工智能研究的中心课题,还需要相当深入的研究。概念结构理论的出现为知识表示研究带来了一种新的思路。概念结构(Conceptual Structure)是一种以语言学、心理学、哲学、逻辑学和数学为基础的新的知识表示方法,是由美国的计算机科学家John F.Sowa在1984年首先提出的,己被从理论上证明了优于其它传统的知识表达方法。它扩展了人工智能的知识表达方法,对于信息时代从以数据处理为主的低级阶段向以知识处理为主的高级阶段的转变和发展具有决定性的意义[2]。
概念图(Conceptual Graph)是支持概念结构思想的一个具体的语义模型,概念结构理论及应用就是基于概念图发展起来的,也就是说概念图是概念结构思想的载体,通过它来发展、传播、带动知识表示领域、乃至整个人工智能领域的研究与进步。概念图的发展经历了二十几个春秋,“Conceptual Structures: Information Processing in Mind and Machine reading”(sowa1984)揭开了概念结构的序幕,“conceptual graphsfor a database inference”(Sowa1986)奠定了概念图应用的基础。随后,IBM公司投入了大量人力和物力,潜心研究,出现了一个又一个的成果。国内从90年代开始,西北大学、西北工业大学也进行了探索性研究[2]。
1概念图的知识表示
概念图是一种描述复杂对象结构的知识表示工具,其思想来源于C.S.Pierce的存在图和菲尔墨的语义网络,是以图形表示的一种有向连通图,它包括两种结点:概念结点和概念关系结点,弧的方向代表概念结点和概念关系结点之间的联系。概念结点表示问题领域中的一个具体的或抽象的实体,概念关系结点指出一种涉及一个或多个概念结点的关系[3],如动作(AGNT: AGENT),对象(OBJ: OBJECT),材料(MATR: MATERIAL),具有(POSS: POSSESSES),地点(LOC: LOCATE),状态(STAT: STATUS),部分(PART),方式(MANR: MANNER),工具(INST: INSTRUMENT)等。在概念图中,概念结点用一个矩形表示,概念关系结点用椭圆表示,有向弧标出了概念关系结点所邻接的概念结点。每个概念图可以表示一个命题,典型的知识库将包含大量这样的图。例如:A girl, Sue is eating pie fast. 其概念图如下所示。概念图上可以进行拷贝、限制、连接和化简操作,产生新的概念图。
概念图是基于语义网络的逻辑系统,用它来进行知识表达不但直观易懂,而且易于操作,通过对概念图进行各种操作,能产生新的概念关联和推理规则。此外,概念图还能直接和自然语言建立映射关系。概念图所具有的这些优点使它更适合于表达概念结构。
2概念图的特点
概念图使用带标号的结点和连接这些结点间的带标号的弧表示知识,属于语义网络的范畴,其理论建立在谓词逻辑上,能完全与自然语言相互翻译,表示出自然语言的语义[5]。概念图同其他知识表示方法相比,具有更直接的同自然语言之间的映射,图形化表示、可读性更佳,比逻辑公式更直观的特点。概念图具有结构简单、易读、表示范围广、能够确切地表示自然语言的语义、数学基础严密等优点,代表了知识表示的发展趋势。
概念图与经典的知识表示方法相比,更符合人类的思维和语言习惯,但是它只能表达一些简单的概念关系,并不适合于表达包含复杂概念结构的常识性知识。用概念图进行知识表示需要分析知识的结构,所以其获取过程要有领域专家的参与,还不能通过一个智能系统自动获取。此外,对于一个复杂的问题求解而言,这种基于概念图的推理容易产生冗余或者导致推理结果的不一致。因此,基于概念图的智能系统只能进行一些简单的问题求解,而对于包含大量的复杂概念关联的常识性问题求解,概念图还不能胜任。
3概念图的应用
概念图的理论自从被提出来后,受到很多研究者的青睐并将它应用到不同领域,例如知识工程、信息检索等,在自然语言处理方面尤其语义理解方面具有广泛的应用。不少研究者基于概念图进行了研究与探索,并取得了一些成果。例如,殷亚玲[4]提出了一种基于概念图的相关反馈技术,采用概念图的知识表示方式描述概念之间关系,从语义的层次上进行相似度判断,扩展查询式。朱海平[5]以概念图作为语义表示,研究了基于概念图匹配的语义检索。杨选选[6]提出的基于语义角色和概念图的信息抽取模型,是在语义层面上对信息抽取的尝试。它将浅层的语义信息应用于场景识别和抽取模式两个层次上,并通过概念图将句子的语义形式化、可计算化。刘培奇[7]结合主观题中简答题的人工批改过程,提出以概念图理论为基础的模糊含权概念图知识表示方法;从汉语自然语言理解的语义分析角度研究了特定课程主观题自动阅卷问题。
4小结
人工智能领域中绝大多数知识表示方法都直接或间接地涉及到概念结构,概念结构是人类认知能力的重要来源,现代的知识表示方法会越来越重视概念结构。概念图是一种有力的知识表示工具,能完全描述自然语言所表达的意思,实现与自然语言的互译。我们相信对概念结构和概念图的深入研究必将对解决自然语言理解方面的难题产生重要贡献和促进作用。
参考文献:
[1]张仰森,黄改娟.人工智能教程[M].北京:高等教育出版社,2008.03.
[2]张蕾,李学良.概念结构及其应用[D].西北工业大学博士论文,2001.05.
[3]贺文,危辉.概念结构研究综述[J].计算机应用与软件,2010,27(1):156-159.
[4]殷亚玲,张蕾.基于概念图的相关反馈系统的研究与实现[D].西北大学硕士论文,2006.07.
[5]朱海平,俞勇.基于概念图匹配的语义搜索[D].上海交通大学博士论文,2006.10.
【关键词】无人驾驶 脑控汽车 发展前景
1 前言
近些年，随着汽车工业的快速发展，汽车驾驶已经是现代人需要掌握的基本技能之一，在其拓展普及的同时，安全驾驶成为了现代社会最关注的焦点之一。所谓的安全驾驶就是要杜绝在汽车驾驶过程中存在安全隐患的行为，其中不安全驾驶包括：酒后驾驶、超速行驶、疲劳驾驶[1]、大灯晃眼、闯红黄灯、违法超车、急停急刹、随意变道、驾驶打电话、不系安全带等容易致使事故发生的行为。汽车所带来的安全问题多数出自驾驶司机的个人行为和个人原因，因此以人工智能辅助或者替代驾驶者驾驶汽车成为了汽车智能驾驶技术研究的主要趋势。
2 无人驾驶汽车的发展现状
2.1 国外驾驶汽车的研发状况
从上世纪开始国外就开始进行了无人驾驶汽车的研究[2][3]。所谓无人驾驶，是通过为车辆装配多种感应设备，包括车载传感器、GPS和摄像头等，配合车内的智能软件，如自适应巡航控制系统（ACC）等实现脱离驾驶员的自动驾驶汽车[4]。国外著名汽车企业及IT行业巨头谷歌都竞相亮相其在无人驾驶汽车技术研究的成果。截至目前，谷歌的无人驾驶汽车已问世6年多，这期间发生了14起事故，仅一次造成人员受伤[5]；德国梅赛德斯奔驰的无人驾驶卡车在德国的Autobahn8公路上已经启动了上路测试，这是量产版自动驾驶卡车首次在高速公路上进行行驶；据英国《每日电讯报》15年2月11日消息，奥迪方面确认其首款采用无人驾驶技术的车型将于2017年上市。另外各大汽车制造商以及相关科技巨头表示无人汽车在2020年可以推出商用。美国内华达、加利福尼亚、佛罗里达及密歇根州为谷歌、奥迪等正在开发的无人驾驶车发放了公路试验牌照。这表明了一点：使用人工智能替代驾驶员来驾驶汽车被各大发达国家与科技巨头认可。这是因为无人驾驶汽车经过精密计算，由系统精确控制，在一般条件下，比真人驾驶应该更加安全可靠。无人驾驶汽车至少不会犯情绪上的错误，不会因为酗酒、生气、郁闷等精神原因而造成汽车失控，也不会因为人多、路窄、弯多等复杂路况而紧张，造成误操作。对长途行驶而言，无人驾驶汽车不会出现疲劳驾驶。在城市道路中，无人驾驶汽车不会闯红灯、逆行。在有限速标记的道路上，无人驾驶汽车会严格遵守规定，不会超速行驶。
2.2 国内驾驶汽车的研发状况
我国关于无人驾驶汽车的研究相对国外起步较晚，但是发展迅速。十几年前，国防科技大学已经开始对一款红旗轿车进行相应改装，研制出了红旗HQ3智能无人车，能实时处理岔道、斑马线和虚线；对车体姿态变动，自然光照变化及树木、路桥阴影都具有较强的自适应力。HQ3，其“大脑”是藏在后备厢里的计算机设备，车辆没有GPS 等导航设备，完全是利用自身的“环境传感器”来识别道路标线，进而依靠车载的智能行为决策和控制系统，实现正常汇入高速公路的密集车流中自主驾驶。于2011年，红旗HQ3智能无人车首次在复杂路况下公开进行无人驾驶的测试，并完成了从长沙至武汉近300公里高速公路路试。除了无人驾驶汽车的研究外，南开大学计算机与控制工程学院段峰副教授的研究团队与长城汽车共同合作研发 “脑控汽车”，这项研究通过脑电设备， 捕捉人在集中注意力时产生的脑电信号， 利用脑电信号识别系统分析人的驱车意图并向汽车发送操控指令， 以此实现人脑控制汽车的目的[6]。“脑控汽车” 颠覆了手脚并用的驾车方式，它可以利用人脑进行汽车操控并低速行驶， 但离真正投入生产使用还需要一定时间。由此可以看出我国在研究人工智能“替代”的同时也涉及“辅助”研究，将人工智能应用于汽车驾驶技术方面更为广泛。
3 智能驾驶研究中遇到的问题
无人驾驶汽车在其优势凸显的同时也更加暴露出其问题。无人驾驶汽车的问题包括局限性高、人文接受程度问题和安全防御性低等。
3.1 局限性高
无人驾驶汽车在其“视觉能力”方面无法达到人脑的高度，其传感器通过红外摄像和普通摄像两种技术完成道路环境的收集。当车辆在人口密集的楼房建筑区、事故区域或者其他有人通过通用手势信号来指挥车辆在此区域通行时，无人汽车将遇到判断难题。另外，道路存在信号标志老旧变形等情况出现，无人汽车可能产生误识或者漏识，造成不必要的事故。
3.2 人文接受程度问题
社会对无人驾驶汽车依然存在诸多疑问，如当无人驾驶汽车行驶在这个人口稠密的世界时， 发现已经无法避免事故的发生时，智能计算机应该选择冲向马路的行人还是直接撞击迎面而来的车辆？在受到外部虚拟网络攻击后是否还可以维持完全驾驶？未被Google或GPS完全测绘的道路如何行使等。无人驾驶汽车在法律法规方面同样存在极大的挑战。如产品责任，立法和多重管辖权等。无人汽车与有人汽车发生事故责任判定和无人汽车之间发生事故责任判定等。
3.3 安全防御性低
软件安全公司Security Innovation首席科学家乔纳桑・佩蒂特（Jonathan Petit）表示，大部分无人驾驶汽车探测障碍物的激光雷达系统只需一个成本不到60美元的装置即可破解。佩蒂特表示，通过这一装置，黑客可以在任何位置设置实际并不存在的汽车、行人，或是墙壁，导致无人驾驶汽车的行驶速度放慢，甚至寸步难行。其相关论文已在欧洲黑帽安全大会上发表。
4 智能驾驶的发展前景
智能驾驶是通过人工智能辅助或代替人进行汽车驾驶行为，它可以弥补人类驾驶员会存在的缺陷。经过大量的研究和发展，智能驾驶所需的各种传感器、计算机的性能和技术等方面取得了极大进步，成本也在逐步降低。
从人工智能和汽车驾驶结合的长远发展角度来看，纯智能的无人驾驶应为未来驾驶的主要方式，即使在当前基于贝叶斯、决策树和人工神经网络等机器学习的方法被运用在无人驾驶的行为识别和行为决策的技术环境下，我们也可以考虑设立专门的行驶路线保证无人驾驶汽车的应用推广。在冯诺依曼体系结构下面向驾驶行为的机器学习，一直以来都是智能车领域的“瓶颈”。随着国际“类脑”研究的兴起，我国也上线了“中国脑计划”，但毕竟类脑计算还仅从理论阶段开始向前迈步，类脑计算机仍难以得到实现和应用。
从当前智能驾驶的技术角度来看，相对于无人汽车，脑控汽车的发展可能更加适合。这是因为无人驾驶汽车的计算机系统目前还无法达到类脑计算机体系的高度，因此很难做到像人脑一样思考问题，难以较好处理驾驶过程中各种各样的突发问题和针对无人驾驶做出的阻碍或破坏行为。
因此提高人工智能在辅助方面的全面完善是全面实施无人驾驶的必经之路。现在的家用汽车基本配备雷达辅助系统，该系统可以不断监控周围的交通状况，可以用发声频率提示本车与可能碰撞物体的距离，也可以确定与前车距离以及前车行驶速度，如与前车距离明显低于安全距离，系统会向驾驶者发送听觉警报。目前奔驰的主动式驻车辅助系统能够在主动转向和制动功能干预下自动泊车。并且，在车辆通过自动驻车辅助系统停入平行车位后，该系统也可以在自动转向和制动控制功能的帮助下，让车辆完全自动地驶出平行车位。
在此基础之上，我们可以在扩大自然语言处理等人机交互方式在人为干预下“释放双手”的模式上加大科研力度，如：语音操控、脑控汽车或类似飞机自动与手动驾驶切换等智能驾驶方式。其中语音操控汽车可以通过语言指令如“倒库”“直行”或“开启雨刷”等自然语言实现汽车系统的自动处理并通过车辆配置的传感器和摄像头等硬件付出行动来响应命令的方式来实现语音操控汽车的智能模式。因为有驾驶员的加入会使智能汽车的行驶方式更加灵活多变，适合于当前复杂的交通环境，满足社会法律和伦理观念的接受要求，所以提高人工智能在辅助方面的研究应用的价值更加巨大。
参考文献：
[1]朱盛镭.未来智能汽车产业发展趋势[J].上海汽车，2015（08）.
[2]郑宝成.智能汽车及其新技术发展研究[J].科技创新与应用，2015（17）.
[3]冯学强，张良旭，刘志宗.无人驾驶汽车的发展综述[J].山东工业技术，2015（05）.
[4]辛煜，梁华为，梅涛 等.基于激光传感器的无人驾驶汽车动态障碍物检测及表示方法[J]. 机器人，2014（06）.
[5]关天瑜.谷歌无人驾驶汽车再次追尾[J].计算机与网络，2015（15）.
[6]张建新，乔仁铭.“脑控汽车”在南开大学“开跑”[J].农家参谋，2015（08）.
[7]陈慧，涂强，范正帅，王琳. 互联智能汽车关键技术与发展趋势[J].中国集成电路，2015（06）.
[8]贾祝广，孙效玉，王斌，张维国.无人驾驶技术研究及展望[J].矿业装备，2014（05）.
[9]杨帆.无人驾驶汽车的发展现状和展望[J].上海汽车，2014（03）.
[10]李崇寒，彭鑫.无人驾驶汽车：可行还是不可行？[J].今日科苑，2011（12）.
[11]乔维高，徐学进.无人驾驶汽车的发展现状及方向[J].上海汽车，2007（07）.
[12]王握文.时速75.6km──国产无人驾驶汽车创新时速[J].中国科技月报，2000（07）.
[13]林一平.无人驾驶汽车逐步进入实用化[J].专用汽车，2000（02）.
[14]林一平.新世纪的无人驾驶汽车[J].交通与运输，2000（02）.
[15]闫民.无人驾驶汽车的研究现状及发展方向[J].汽车维修，2003（02）.
[16]林一平.不断创新发展的现代无人驾驶汽车[J].专用汽车，2003（01）.
[17]薛福连.自动控制高速公路上的无人驾驶汽车[J].汽车运用，2006（04）.
[18]吕宏，刘大力，孙嘉燕.从无人驾驶汽车奔赴世博会看未来汽车[J].机电产品开发与创新，2010（06）.
[19]边疆，赫玉莹，王贯安.无人驾驶车图像采集的失真矫正[J].中国科技信息，2014（09）.
[20]宋世春.初露头角的无人驾驶汽车[J].国外自动化，1980（04）.
1电气工程自动化控制的应用现状
实现自动化生产，提高产品设备性能一直是我国电气工程自动化领域发展的趋势。在我国的电子工程自动化技术领域，经过几十年的发展，我国的电气工程自动化技术应用越来越得到普及，目前应用于电气自动化工程的主要有分布式控制系统DCS（distributedcontrolsystem）系统、WindowsNT和IE语言系统、集中控制下的自动控制系统以及信息集成化的电气自动化控制系统[2]。分布式控制系统DCS具有实时性和扩充性等优点，但采用的是传统的仪表，增加了后期维护和维修的困难；WindowsNT和IE语言系统使得电气工程设备可视化、集成化，容易操作，后期维修较为容易；集中控制下的自动控制系统，运行速度较为缓慢，大量监控设备的投入，减小了主机的空间，影响了自动控制系统的性能，所以说可靠性较低；息集成化的电气自动化控制系统，则是通过信息化的浏览器进行操作，便于及时了解第一时间的信息，进行整理和分析[3]。可以说，我国电气工程自动化控制市场，正在结合我国自身的实际情况，发挥优势，进行科学技术研发，促进电气工程自动化控制市场逐步地成熟。
2智能化技术及其在电气工程自动化控制中的应用优势
2.1提高自动化控制性能，促进电气工程自动化统一智能化技术拥有计算机强大的编程，算法精确，设计优良，能够提高自动化控制性能，促进电气工程自动化统一[4]。在电气设备仪器的生产中，智能化技术能够根据设备的需要，设计出精准的算法，可以大大地提高设备自动化控制的效率和准确率，如此一来，则可以降低电气工程自动化中人力和物力的投入，有效降低成本。
2.2简化电气工程自动化模型，操作简便在电气工程自动化控制环节中引进智能化技术能够有效避免因提前建立相应的控制模型，造成模型建立的参数出现差错的概率。可以说智能化技术应用到电气工程自动化控制，简化了电气工程自动化模型，防止了不可预见因素对电气工程自动化控制的影响，且操作简便，提高了设备自动化控制的效率和准确率[5]。
2.3具有高精度高效化的特点，误差小智能化技术，如高速的CPU芯片、RISC芯片、多CPU控制系统等应用到电气工程自动化控制环节，具有高精度高效化的特点，误差小的优点，大大提高了电气工程自动化控制系统的精度和效率，有利于提高电气产品的质量，减少了电气工程自动控制环节中的出错率[6]，从而促进电气行业的发展。
3智能化技术在电气工程自动化控制中的具体应用
3.1智能化技术电气设备中的应用传统的电气自动化是需要对电气设备进行控制模型的设计，智能化电气控制器打破了传统的自动化控制。智能化技术具体应用到电气工程自动化控制中，能够根据自动化设备的要求，参照精确的算法，快速解决电气工程自动化的繁琐计算和模拟过程，大大提高了工作效率，缩短设计周期，而设计出来的电气设备产品，相比传统的电气设备产品，实用性和科学性均高。
3.2智能化技术在电气控制中的应用智能化技术在电气工程自动化中的应用主要包括专家系统、神经网络控制、模糊控制三种方法。在进行智能操作的过程中，操作人员可以直接通过软件远程操控，精确调节设备使用中的各类参数，另外能够利用人工智能实现对电气设备的监控和保护，若电气设备负荷工作或停机，则可以发出保护性指令，防止电气设备损坏。另外，智能化技术能够对电力设备进行有效地监控和控制[7]，可以预先根据设备自动化的要求输入算法，对电气设备开关量、模拟量数据的采集和整理工作，在线分析数据，进行实时的信息检索和存储。
3.3智能化技术在设备故障的诊断与修复中的应用传统的电气工程自动化控制系统，存在很多的缺点，造成电气工程自动化控制系统后期的故障诊断和修复较为困难。智能化技术在设备故障的诊断与修复的应用，主要体现在对电力系统中故障进行定位分析，提前准备预防措施，减小机器发生故障带来的损失，且相比常规的人为诊断，可以大大提高诊断的准确性和解决效率。电气工程自动化中的故障诊断部分主要利用人工智能中的模糊理论、人工神经网络和专家系统对电气工程设备，如变压器、发电机以及发动机等进行故障诊断。
4讨论与建议
关键词：电力系统；人工智能；继电保护；应用；
1引言
近年来，随着人工智能理论技术的不断发展，以模糊技术、人工神经网络和遗传算法为代表的智能理论方法在电力系统领域得到了十分广泛的应用。众所周知，电力系统是由各类发电装置、输配电线路、变压器以及用电装置等一系列单元组合而成的大规模动态系统，电力系统本质上是一个非线性动态大系统，存在着许多极为复杂的工程计算和非线性优化问题，例如：电力网络的无功优化调度电力系统规划运行、发电机组的优化组合、电力系统最优潮流计算、电力市场的交易定价等一系列问题。而这些问题都是多参数，多约束的非凸优化问题。长期以来，电力系统自动化研究者一直在寻找高效可靠的方法来解决这些问题。然而有许多电力系统中存在的问题无法得到快速与精确的结果。其主要原因在于：
(1)电力系统中的有些向题还无法建立精确切实的数学模型，包括不能完全用数学来表示反映问题实质的约束条件。
(2)随着问题的规模和复杂程度的增加，利用现有的算法和计算机条件，无法在较短的时问内获得满意的计算结果。
(3)许多问题的条件具有模糊性，对干系统的了解还不够精确，此外在求解问题的过程中需要专家的知识经验。这些都无法用精确的数学形式表示出来。
与传统的计算方法相比较，人工智能方法对于复杂的非线性系统问题求解有着极大的优势。它弥补了传统方法的单纯依靠数学求解的不足，解决了某些传统计算方法难于求解或不能解决的问题。
2人工智能技术在继电保护中的应用
2．1计算机化
随着计算机硬件的迅猛发展，微机保护硬件也在不断发展。某电力学院研制的微机线路保护硬件已经历了3个发展阶段：从8位单CPU结构的微机保护问世，不到5年时间就发展到多CPU结构，后又发展到总线不出模块的大模块结构，性能大大提高，得到了广泛应用。
某电力自动化研究院一开始就研制了16化CPU为基础的微机线路保护，已得到大面积推广，目前也在研究32位保护硬件系统。某大学研制的微机主设备保护的硬件也经过了多次改进和提高。某大学一开始即研制以16位多CPU为基础的微机线路保护，1988年即开始研究以32位数字信号处理器(DSP)为基础的保护、控制、测量一体化微机装置，目前已与某电自动化设备公可合作研制成一种功能齐全的32位大模块，一个模块就是一一个小型计算机。采用32位微机芯片并非只着眼干精度，因为精度受A／D转换器分辨率的限制，趟过l6位时在转换速度和成本方面都是难以接受的；更重要的是32位微机芯片具有很高的集成度，很高的工作频率和计算速度，很大的寻址空间，丰富的指令系统和较多的输入输出口，CPU的寄存器、数据总线、地址总线足32位的，具有存储器管理功能、存储器保护功能和任务转换功能，并将高速缓存(Cache)和浮点数部件都集成在CPU内。
电力系统对微机保护的要求不断提高，除了保护的基本功能外，还应具有大容故障信息和数据的长期存放空间，快速的数据处理功能，强大的通信能力，与其它保护、控制装置和调度
联网以共享全系统数据、信息和网络资源的能力，高级语言编程等。这就要求微机保护装置具有相当于一台PC机的功能。现在，同微机保护装大小相似的工控机的功能、速度、存储容量大大超过了当年的小型机，因此，用成套工控机作成继电保护的时机已经成熟，这将是微机保护的发展方向之一。某大学已研制成用同微机保护装置结构完全相同的一种工控机加以改造作成的继电保护装置。这种装置的优点有：①具有486PC机的全部功能，能满足对当前和未来微机保护的各种功能要求。⑦尺寸和结构与目前的微机保护装置相似，工艺精良、防震、防过热、防电磁干扰能力强，可运行于非常恶劣的工作环境，成本可接受。③采用STD总线或PC总线，硬件模块化，对于不同的保护可任意选用不同模块，配置灵活、容易扩展。
继电保护装置的微机化、计算机化是不可逆转的发展趋势。但对如何更好地满足电力系统要求，如何进一步提高继电保护的可靠性，如何取得更大的经济效益和社会效益，尚须进行具体深入的研究。
2．2人工神经网络
人工神经网络(ANN)是模拟人脑组织结构和人类认知过程的信息处理系统。它以其诸多优点，如并行分布处理、自适应、联想记忆等，在智能保护中受到越来越广泛的重视，而且已显示出巨大的潜力，并为智能化继电保护的研究开辟了一条新途径。应用ANN技术实现故障诊断不同于ES诊断方法。ANN方法通过现场大量的标准样本学习与训练，不断调整ANN中的连接权和阂值，使获取的知识隐式分布在整个网络上，并实现ANN的模式记忆。因此ANN具有强大的知识获取能力，并能有效的处理含噪声数据，弥补了ES方法的不足。
神经网络是一种非线性映射的方法，很多难以列出方程式或难以求解的复杂的非线性问题，应用神经网络方法则可迎刃而解，因此在继电保护中也得到越来越多的应用，例如在输电线两侧系统电势角度摆开情况下发生经过渡电阻的短路就是一非线性问题，距离保护很难正确作出故障位置的判别，从而造成误动或拒动；如果用神经网络方法，经过大量故障样本的训练，只要样本集中充分考虑了各种情况，则在发生任何故障时都可正确判别。近几年来，电力系统继电保护领域内出现了用人工神经网络来实现故障类型的判别、故障距离的测定、方向保护、主设备保护等。用人工神经网络原理来实现高压输电线的方向保护，提出用BP模型作为方向保护的方向判别元件。研究结果表明，该方向判别元件能准确、快速地判别出故障的方向。基于神经网络的继电保护系统的优越性；论证了由单层感知器网络或TH网络可以实现最小二乘算法，这两种网络都可以在极短的时间(数纳秒或几百纳秒)内完成全部运算；给出了电流继电器、圆特性以及四边型特性阻抗继电器的神经网络模型，并证明了三种模型都具有很强的自适应性。基于人工神经网络的智能型自适应继电保护原理，利用了比传统保护多得多的信息量。它比传统保护能区分更多的故障类型，提高了继电保护的适用范围，从原理上解决了经高阻抗的短路故障保护问题。利用人工神经网络实现自适应电流保护的方法。该方法充分利用了人工神经网络所具有的强大的自适应能力，学习能力和模式识别能力，实现对电力系统中的各种故障情况的识别，解决电流保护中的灵敏度补偿和故障方向识别问题，使电流保护对正方向各种故障都有足够的保护范围，而对反方向的各种故障实行闭锁，从而实现电流保护的自适应。
利用神经网络可以在一定程度上提高故障诊断效率，解决用常规继电保护方法难以解决的问题，但该方法也存在“性能取决于样本是否完备、不擅长处理启发性的知识、训练时容易陷入局部最小”等问题。由于专家系统方法与神经网络方法在许多方面可以协调工作、互为补充，因此，如何取长补短将神经网络技术与故障诊断专家系统融为一体，以弥补诊断中的不足，并提供新的诊断技术和方法，具有很大的潜力和广阔的前景，是值得我们深入探讨和研究的。
2．3模糊理论(Fuzzy Sets Theory)的应用
模糊逻辑能够完成传统数学方法难以做到的近似计算。近几年来，模糊集理论在电力系统中的诸多应用领域取得了飞速进展，包括了潮流计算、系统规划、模糊控制等方面。例如对干负荷变化和电力生产的不确定性，就可运用模糊值来表示某不确定负荷在实际集合中的隶属函数，建立起电力系统最优潮流的模糊模型。
传统无功电压优化算法一般是单目标优化问题，并没有考虑有功网损的降低和限制控制量调节数最少，而且在处理电压约束时，未考虑“软约束”特性。可引入模糊线性规划算法以解决这一问题。为很好地协调降低网损、限制调节量和确保节点电压裕度三者的关系，在有限控制量调节的前题下，可实现校正违界电压、降低系统网损和确保所有节点电压留有一定的裕度。利用模糊综合评判的方法对电能质量进行综合评价的二级评判法。
2．4遗传算法(Genetic Algorithms,GA)的应用
遗传算法是基于自然选择和遗传机制，在计算机上模拟生物进化机制的寻优搜索算法。他能在复杂而庞大的搜索空间中自适应的搜索，寻找出最优或准最优解，且算法简单，适用，鲁棒性强。遗传算法对待求解问题几乎没有什么限制，也不涉及常规优化问题求解的复杂数学过程，并能够得到全局最优解或局部最优解集，这是他优于传统优化技术之处。遗传算法从优化的角度出发基本上可以解决故障诊断问题，尤其是在复故障或存在保护、断路器误动作的情况下，能够给出全局最优或局部最优的多个可能的诊断结果。但是如何建立合理的输电网络故障诊断模型是使用遗传算法的主要“瓶颈”。如果能够建立合理的数学模型，那么不仅可以使用遗传算法解决故障诊断问题，还可以使用其他类似的启发式优化算法解决故障诊断问题。
3智能方法的综合应用
每种智能控制方法都有其内在的局限性，难以满足处理电力系统实际复杂问题的需要。如何将这些控制方法结合起来形成一种综合的智能控制，使综合的智能控制系统能够体现出各种控制方法的优势而尽量避免各自的不足，综合利用模糊理论及人工神经网络各自的特点形成的模糊神经网络成为提高电力系统的可靠性、快速性、灵敏性及选择性的主要研究方向。结合ES和ANN实现对以变电站故障诊断为基础的分层分布时故障诊断系统。基于模糊理论与神经网络理论，根据特征气体法和改良IEC三比值法，建立了模糊神
经网络的变压器故障诊断模型。该模型有效的处理了故障诊断中的不确定因素，并具有较强的知识获取能力。从基于人类思维发展模式的角度，融合设备故障诊断的ES和ANN模型，构造了电力变压器的故障诊断分析系统。
综上所述，将不同的人工智能技术结合在一起。分析不确定因素对智能诊断系统的影响．从而提高诊断的准确率，是今后智能诊断的发展方向。
4结语
人工智能技术在电力系统的应用中已经获得了良好的发展。然而在我国，人工智能技术在电力系统中的应用研究才刚刚开始。随着我国电力系统的持续发展，电力系统数据总量的不断增加，管理上复杂程度的大幅度增长，以及市场竞争的影响和加大，为人工智能技术在电力系统的应用提供了广阔前景。可以预见，加强智能科学在电网中的科研和应用，将能更好的保证电网安全稳定经济运行。
参考文献
[1]韩富春，王娟娟；基于神经网络的电力系统状态估计[J]；电力系统及其自动化学报，2002(6)：49-51．
