参考文献简单来说就是我们在论文的写作当中参考引用过的内容，在文中引用的地方标注出来，然后在论文的末尾依次详细的列出来。关注学术参考网查阅更多优秀的论文参考文献，下面是小编采编收集的关于人工智能论文参考文献，欢迎大家阅读借鉴。
人工智能论文参考文献：
[1]杨状元，林建中.人工智能的现状及今后发展趋势展望[J].科技信息，2009（04）：184～185.
[2]郝勇胜.对人工智能研究的哲学反思[D].太原：太原科技大学，2012.
[3]蔡曙山，薛小迪.人工智能与人类智能——从认知科学五个层级的理论看人机大战[J].北京大学学报（哲学社会科学版），2016，53（04）：145.
[4]张凯斐.人工智能的应用领域及其未来展望[J].吕梁学院学报，2010，26（04）：85～87.
[5]褚秋雯.从哲学的角度看人工智能[D].武汉：武汉理工大学，2014.
人工智能论文参考文献：
[1]史忠植，王文杰.人工智能[M].北京：国防工业出版社，2007.
[2]周以真.计算思维[J].中国计算机学会通讯，2007（3）.
[3]陈庆霞.人工智能研究纲领的发展历程和前景[J].科技信息，2008（33）.
[4]周晓东，刘雪梅.信息时代的计算机人工智能[J].硅谷，2010（1）.
[5]朱祝武.人工智能发展综述[J].中国西部科技，2011（17）.
人工智能论文参考文献：
[1]黄炎孙.人工智能的符号主义立场研究[D].北京化工大学，2014.
[2]刘步青.人机协同系统的推理机制及其哲学意蕴[D].华东师范大学，2016.
[3]陈晋.人工智能技术发展的伦理困境研究[D].吉林大学，2016.
[4]马龙.人工智能技术在电气自动化控制中的应用[J].山西焦煤科技，2014，（S1）：50-51+55.
[5]马仲雄.浅谈电气自动化控制中的人工智能技术[J].电子技术与软件工程，2014，（11）：246-247.
[6]纪文革.人工智能技术在电气自动化控制中的应用思路分析[J].电子测试，2014，（03）：137-138.
[7]祝珊.人工智能与会计人员[J].中财税研究，2016（15）.
人工智能是近年来随着计算机技术的不断发展的一个学科分支，是新兴的高科技技术。人工智能与纳米科学以及基因工程被人们称之为二十一世纪的三大尖端科技。人工智能的研究范围涉及较广，在诸多不同的领域都有涉及，比如：数学、认识科学、哲学、心理学以及计算机科学等多门学科，不同学科领域以人工智能为信息交流平台，进行相互的影响渗透，进而形成一门具有综合性质的科学。因此，人工智能也可以称之为社会科学与自然科学的交叉科学。人工智能主要是通过对计算机的研究，对人的某些思维以及智能行为进行模拟的学科，其主要被应用在专家系统、语言的理解、智能控制、遗传编程机器人工厂以及机器人技术等方面。一般而言，对于人工智能的研究的主要目的就是让机器代替人做一些复杂的工作。电气工程的研究长久以来都局限在电气化的方面，随着现代化科学技术的进步以及信息计算机技术的发展，电气工程自动化中逐渐向人工智能的趋势发展，通过引入人工智能进入电气工程自动化的领域，对人类大脑进行模拟并进行数据与信息的分析、收集、处理以及反馈，经过信息的自动化生产，进而提高电气工程的生产效益，进而推动电气工程产业结构的优化与升级。
2.人工智能在电气工程自动化中的应用
2.1人工智能在电气产品优化设计中的应用在电气工程运行过程中，进行电气设备的设计是十分复杂的，其设计不但对电气自动化的各个专业学科与内容有所设计，而且要求电气设备设计人员具有较高的专业文化知识以及丰富的设计经验，进行电气设备的设计只有把电气知识、经验以及科学进行有机的融合，才能够对电气产品的科学性有所保障。人工智能在电气产品设计中的应用有效的对一些依靠人脑无法迅速解决的复杂计算以及模拟过程进行解决，进而大大的缩短了产品设计的周期，提高电气工程的工作效率，并且设计出的电气产品极具科学性与实用性。专家系统对于电气工程的开发性设计有积极的意义，而遗传算法主要应用于产品的优化设计，在进行产品设计的过程中，要求设计人员应该具备设计经验以及较强的智能软件应用的能力，从而便于依据不同情况的沾边选择不同的算法对产品进行高质量的设计。
2.2人工智能在电气设备故障诊断中的应用在进行电气设备故障的诊断时，电气企业通常会使用人工智能中的人工神经网络、模糊理论以及专家系统的引用，其应用诊断的范围包含：发电机、电动机、变压器等的故障诊断。在电气设备中，电气工程遇到故障问题时，所呈现的现象是相对复杂的，运用传统的处理技术很难对问题进行及时准确的查找与判断，人工智能技术对于这种问题科技进行高效的解决，例如：当发电机的设备出现故障时，故障所呈现的不确定性、复杂性以及非线性的特征都是可以通过人工智能中的专家系统以及模糊理论进行综合的处理，人工智能技术大大的提升了电气设备故障诊断的准确性。
2.3电气工程运行过程中的智能控制目前，在电气工程的自动化中智能控制的应用已经十分广泛，逐渐的发展成为电气工程自动化领域中的未来趋势。由于电气设备的控制工作比较复杂且极具综合性，对控制系统的技术含量以及计算的精确度都有比较高的标准，通过对人工智能中的模糊理论、人工神经网络以及专家系统的综合应用，有效的提高了电气设备的计算精度以及计算速度，不仅有利于节约电气企业的资源，而且对实现电气企业资源的优化配置具有积极的意义。
2.4人工智能在电力系统中的应用在电力系统中应用比较普遍的人工智能主要有：启发式探索、专家系统、人工神经网络以及模糊理论。其具体的应用主要表现为：一是，专家系统。作为一个十分复杂的程序系统，专家系统集知识、规则以及经验于一体，主要工作程序是通过运用电气系统中某领域的专业经验以及专业知识对所遇问题进行分析与判断，接着进行专家决策的模拟，对需要专家解决的问题进行处理，而且在专家系统的使用过程中，应该依据现实情况对系统中的知识库、数据库以及规则库的信息与数据进行更新，从而使用电力系统的应用需要。二是，人工神经网络。其学习的方式十分灵活，存储方式也是呈现分布式，在大规模的信息处理中得到广泛的应用，人工神经网络具有较强的识别与分类能力，对与模型进行合理的分类并进行科学的选择，同时其与元件进行关联分析相结合能够对复杂的电力系统进行故障的诊断，而且能对故障进行识别与定位。三是，模糊理论。模糊理论主要应用于系统规划、潮流计算以及模糊控制之中。有利于操作界面的优化以及工作流程的简化，而系统可以进行自动日志与报表的生成与保存，进而提高系统日常操作的效率，对系统的安全运行具有积极的作用。
3.总结
1.1人工智能技术不易受其他因素影响
过去传统的控制器在进行工作的时候会遇到很多外界因素或者机器自身的问题的干扰，并且会对工作造成不良影响。但是人工智能技术在这方面的优势则比较明显。例如，人工智能技术不需要精确的动态模型，所以，即使模型设置的参数发生了变化，也不会对其造成太大的影响，而且其对环境的要求也不苛刻。所以，人工智能技术在其运行的过程中，可以不受不确定因素的影响，并且可以实现较为精准的自动化控制。
1.2人工智能技术产生的误差小
人工智能技术在运行过程中基本不受到来自外界的影响，而且其本身的抗干扰能力就很强，所以，一旦提前对系统设定了参数，那么在操作过程中就不用担心参数发生变动。这些参数在整个过程中会保持在一个值域之内，所以不需要担心会有较大的差值，因此其工作效率也比较高。
2人工智能在电气自动化中的应用
2.1智能控制和保护功能
2.1.1进行操作控制。
在进行操作的过程中，使用人员可以通过键盘或鼠标对隔离开关、断路器等进行现场的或者远程的控制，对励磁电流进行精准的调整。除此之外，还能够进行带负荷操作和停机操作，对相关的人员的权限进行限制。
2.1.2对相关数据的收集和处理。
人工智能技术对所有开关量、模拟量数据进行实时的采集，而且根据先前设计好的要求进行定时批量的存贮以及整理等工作。设置和修改某些参数，及时地保护软压板的退投。
2.1.3对设备的管理。
人工智能在对电力系统进行管理的时候，可以对运行日志进行自动保存，并生成报表的存储或打印、描绘系统运行曲线等。
2.1.4实行有效的监控。
智能技术能够对模拟量与开关量进行全程同步的监测，当检测过程发生异常时，则可以选择多种模式进行报警，同时还可有序地记录系统里的各项事件、在线分析负序量计算等。
2.1.5对画面的显示。
人工智能技术可以运用图像生成软件进行真实画面模拟，可以对有关设备和整个系统的工作运行进行模拟，并且最终以画面的形式显现到屏幕上。
2.1.6进行故障录波。
智能技术对故障波形的获取具有良好的功能，在获取的同时还可以做好相关的记录，对模拟量故障及时地进行录波和捕捉相关波形。
2.2智能信息检索
作为人类智能的模拟理论而产生的新兴技术方法，人工智能具有良好的信息检索功能。其不仅可以对网络中出现的较为模糊和不确定性的因素进行科学的换算以及推理，还可以根据信息检索的结果提出一些切实可行的解决方案。人工智能技术的优势还在于它可以将正确的指令精确无误的传达给各种机器，进而机器在接受到指令后能够进行正确、正常的运转，确保任务的完成。3.3提高电气自动化性能，提高产品质量人工智能系统具有优越的条件，其模拟人类智能，并将人工智能技术中的遗传算法投入到电器产品的应用中。利用人工智能技术，可以将产品的性能优化，假如可以科学合理地把人工智能技术运用到电气自动化的控制中，那么电子自动化性能就会得到显著的改善，电气设备的运行效率也会被大大提高，电气自动化控制的准确性便有所保障。这样一来，就可以减少在电气工程自动化中人力资源的使用，劳动成本也可以随之降低，进而推进电气工程事业的发展。此外，人工智能技术还可以在各种电器产品的会设计中辅助进CAD，使产品的开发周期得到有效缩短，并且能够对提高CAD技术的开发和应用程度有很大的帮助，设计难度也会有所降低，产品的质量自然就会提高。
2.4电气设备优化设计
有关电气设备的优化设计工作是比较复杂的，需要结合多方面的理论知识，比如电磁场、电机电器、电路等相关知识，此外还需要丰富的设计经验知识。过去的电气产品设计效率很低，一般是因为缺乏相关的技术的支持，再加上工作量本身就很大，所以整个设计就显得比较难，很少有科学合理的设计。但是如今计算机技术发展迅速，手工设计逐渐被计算机辅助设计（CAD）所代替，产品的开发周期缩短了，设计人员的设计产品质量和设计的效率也提高了，而且设计已经越来越趋于智能化和高效化。人工智能技术在电气产品的优化设计应用中，主要有两种方法，即专家系统和遗传算法。其中，遗传算法可以直接操作结构对象，对优化和自动获取搜索空间、自行调整搜索的方向方面具有指导作用，而且采用先进的计算方法，计算结果很精确，因此在电气产品的智能化优化设计中应用广泛。而专家系统则不同，它是主要依据相关领域的一个或是多个专家所提供经验与知识来进行工作的，它是一个对专家的决策过程进行模拟的过程，从而对需要人类专家处理的问题进行处理，这种方式也比较重要。当然，除此两种方法还有很多其他方法，比如神经网络、模糊逻辑等。
3结束语
［关键词］人工智能，常识推理，归纳逻辑，广义内涵逻辑，认知逻辑，自然语言逻辑
现代逻辑创始于19世纪末叶和20世纪早期，其发展动力主要来自于数学中的公理化运动。当时的数学家们试图即从少数公理根据明确给出的演绎规则推导出其他的数学定理，从而把整个数学构造成为一个严格的演绎大厦，然后用某种程序和方法一劳永逸地证明数学体系的可靠性。为此需要发明和锻造严格、精确、适用的逻辑工具。这是现代逻辑诞生的主要动力。由此造成的后果就是20世纪逻辑研究的严重数学化，其表现在于：一是逻辑专注于在数学的形式化过程中提出的问题；二是逻辑采纳了数学的方法论，从事逻辑研究就意味着象数学那样用严格的形式证明去解决问题。由此发展出来的逻辑被恰当地称为“数理逻辑”，它增强了逻辑研究的深度，使逻辑学的发展继古希腊逻辑、欧洲中世纪逻辑之后进入第三个高峰期，并且对整个现代科学特别是数学、哲学、语言学和计算机科学产生了非常重要的影响。
本文所要探讨的问题是：21世纪逻辑发展的主要动力将来自何处？大致说来将如何发展？我个人的看法是：计算机科学和人工智能将至少是21世纪早期逻辑学发展的主要动力源泉，并将由此决定21世纪逻辑学的另一幅面貌。由于人工智能要模拟人的智能，它的难点不在于人脑所进行的各种必然性推理（这一点在20世纪基本上已经做到了，如用计算机去进行高难度和高强度的数学证明，“深蓝”通过高速、大量的计算去与世界冠军下棋），而是最能体现人的智能特征的能动性、创造性思维，这种思维活动中包括学习、抉择、尝试、修正、推理诸因素，例如选择性地搜集相关的经验证据，在不充分信息的基础上作出尝试性的判断或抉择，不断根据环境反馈调整、修正自己的行为，……由此达到实践的成功。于是，逻辑学将不得不比较全面地研究人的思维活动，并着重研究人的思维中最能体现其能动性特征的各种不确定性推理，由此发展出的逻辑理论也将具有更强的可应用性。
实际上，在20世纪中后期，就已经开始了现代逻辑与人工智能（记为AI）之间的相互融合和渗透。例如，哲学逻辑所研究的许多课题在理论计算机和人工智能中具有重要的应用价值。AI从认知心理学、社会科学以及决策科学中获得了许多资源，但逻辑（包括哲学逻辑）在AI中发挥了特别突出的作用。某些原因促使哲学逻辑家去发展关于非数学推理的理论；基于几乎同样的理由，AI研究者也在进行类似的探索，这两方面的研究正在相互接近、相互借鉴，甚至在逐渐融合在一起。例如，AI特别关心下述课题：
·效率和资源有限的推理；
·感知；
·做计划和计划再认；
·关于他人的知识和信念的推理；
·各认知主体之间相互的知识；
·自然语言理解；
·知识表示；
·常识的精确处理；
·对不确定性的处理，容错推理；
·关于时间和因果性的推理；
·解释或说明；
·对归纳概括以及概念的学习。[①]
21世纪的逻辑学也应该关注这些问题，并对之进行研究。为了做到这一点，逻辑学家们有必要熟悉AI的要求及其相关进展，使其研究成果在AI中具有可应用性。
我认为，至少是21世纪早期，逻辑学将会重点关注下述几个领域，并且有可能在这些领域出现具有重大意义的成果：（1）如何在逻辑中处理常识推理中的弗协调、非单调和容错性因素？（2）如何使机器人具有人的创造性智能，如从经验证据中建立用于指导以后行动的归纳判断？（3）如何进行知识表示和知识推理，特别是基于已有的知识库以及各认知主体相互之间的知识而进行的推理？（4）如何结合各种语境因素进行自然语言理解和推理，使智能机器人能够用人的自然语言与人进行成功的交际？等等。
1．常识推理中的某些弗协调、非单调和容错性因素
AI研究的一个目标就是用机器智能模拟人的智能，它选择各种能反映人的智能特征的问题进行实践，希望能做出各种具有智能特征的软件系统。AI研究基于计算途径，因此要建立具有可操作性的符号模型。一般而言，AI关于智能系统的符号模型可描述为：由一个知识载体（称为知识库KB）和一组加载在KB上的足以产生智能行为的过程（称为问题求解器PS）构成。经过20世纪70年代包括专家系统的发展，AI研究者逐步取得共识，认识到知识在智能系统中力量，即一般的智能系统事实上是一种基于知识的系统，而知识包括专门性知识和常识性知识，前者亦可看做是某一领域内专家的常识。于是，常识问题就成为AI研究的一个核心问题，它包括两个方面：常识表示和常识推理，即如何在人工智能中清晰地表示人类的常识，并运用这些常识去进行符合人类行为的推理。显然，如此建立的常识知识库可能包含矛盾，是不协调的，但这种矛盾或不协调应不至于影响到进行合理的推理行为；常识推理还是一种非单调推理，即人们基于不完全的信息推出某些结论，当人们得到更完全的信息后，可以改变甚至收回原来的结论；常识推理也是一种可能出错的不精确的推理模式，是在容许有错误知识的情况下进行的推理，简称容错推理。而经典逻辑拒斥任何矛盾，容许从矛盾推出一切命题；并且它是单调的，即承认如下的推理模式：如果p?r，则pùq?r；或者说，任一理论的定理属于该理论之任一扩张的定理集。因此，在处理常识表示和常识推理时，经典逻辑应该受到限制和修正，并发展出某些非经典的逻辑，如次协调逻辑、非单调逻辑、容错推理等。有人指出，常识推理的逻辑是次协调逻辑和非单调逻辑的某种结合物，而后者又可看做是对容错推理的简单且基本的情形的一种形式化。[②]
“次协调逻辑”（ParaconsistentLogic）是由普里斯特、达·科斯塔等人在对悖论的研究中发展出来的，其基本想法是：当在一个理论中发现难以克服的矛盾或悖论时，与其徒劳地想尽各种办法去排除或防范它们，不如干脆让它们留在理论体系内，但把它们“圈禁”起来，不让它们任意扩散，以免使我们所创立或研究的理论成为“不足道”的。于是，在次协调逻辑中，能够容纳有意义、有价值的“真矛盾”，但这些矛盾并不能使系统推出一切，导致自毁。因此，这一新逻辑具有一种次于经典逻辑但又远远高于完全不协调系统的协调性。次协调逻辑家们认为，如果在一理论T中，一语句A及其否定?A都是定理，则T是不协调的；否则，称T是协调的。如果T所使用的逻辑含有从互相否定的两公式可推出一切公式的规则或推理，则不协调的T也是不足道的(trivial)。因此，通常以经典逻辑为基础的理论，如果它是不协调的，那它一定也是不足道的。这一现象表明，经典逻辑虽可用于研究协调的理论，但不适用于研究不协调但又足道的理论。达·科斯塔在20世纪60年代构造了一系列次协调逻辑系统Cn（1≤n≤w），以用作不协调而又足道的理论的逻辑工具。对次协调逻辑系统Cn的特征性描述包括下述命题：(i)矛盾律?(Aù?A)不普遍有效；(ii)从两个相互否定的公式A和?A推不出任意公式；即是说，矛盾不会在系统中任意扩散，矛盾不等于灾难。(iii)应当容纳与(i)和(ii)相容的大多数经典逻辑的推理模式和规则。这里，(i)和(ii)表明了对矛盾的一种相对宽容的态度，(iii)则表明次协调逻辑对于经典逻辑仍有一定的继承性。
在任一次协调逻辑系统Cn(1≤n≤w)中，下述经典逻辑的定理或推理模式都不成立：
?(Aù?A)
Aù?AB
A(?AB)
(A??A)B
(A??A)?B
A??A
(?Aù(AúB))B
(AB)(?B?A)
若以C0为经典逻辑，则系列C0,C1,C2,…Cn,…Cw使得对任正整数i有Ci弱于Ci-1，Cw是这系列中最弱的演算。已经为Cn设计出了合适的语义学，并已经证明Cn相对于此种语义是可靠的和完全的，并且次协调命题逻辑系统Cn还是可判定的。现在，已经有人把次协调逻辑扩展到模态逻辑、时态逻辑、道义逻辑、多值逻辑、集合论等领域的研究中，发展了这些领域内的次协调理论。显然，次协调逻辑将会得到更进一步的发展。[③]
非单调逻辑是关于非单调推理的逻辑，它的研究开始于20世纪80年代。1980年，D·麦克多莫特和J·多伊尔初步尝试着系统发展一种关于非单调推理的逻辑。他们在经典谓词演算中引入一个算子M，表示某种“一致性”断言，并将其看做是模态概念，通过一定程序把模态逻辑系统T、S4和S5翻译成非单调逻辑。B·摩尔的论文《非单调逻辑的语义思考》（1983）据认为在非单调逻辑方面作出了令人注目的贡献。他在“缺省推理”和“自动认知推理”之间做了区分，并把前者看作是在没有任何相反信息和缺少证据的条件下进行推理的过程，这种推理的特征是试探性的：根据新信息，它们很可能会被撤消。自动认知推理则不是这种类型，它是与人们自身的信念或知识相关的推理，可用它模拟一个理想的具有信念的有理性的人的推理。对于在计算机和人工智能中获得成功的应用而言，非单调逻辑尚需进一步发展。
2．归纳以及其他不确定性推理
人类智能的本质特征和最高表现是创造。在人类创造的过程中，具有必然性的演绎推理固然起重要作用，但更为重要的是具有某种不确定性的归纳、类比推理以及模糊推理等。因此，计算机要成功地模拟人的智能，真正体现出人的智能品质，就必须对各种具有不确定性的推理模式进行研究。
首先是对归纳推理和归纳逻辑的研究。这里所说的“归纳推理”是广义的，指一切扩展性推理，它们的结论所断定的超出了其前提所断定的范围，因而前提的真无法保证结论的真，整个推理因此缺乏必然性。具体说来，这种意义的“归纳”包括下述内容：简单枚举法；排除归纳法，指这样一些操作：预先通过观察或实验列出被研究现象的可能的原因，然后有选择地安排某些事例或实验，根据某些标准排除不相干假设，最后得到比较可靠的结论；统计概括：从关于有穷数目样本的构成的知识到关于未知总体分布构成的结论的推理；类比论证和假说演绎法，等等。尽管休谟提出著名的“归纳问题”，对归纳推理的合理性和归纳逻辑的可能性提出了深刻的质疑，但我认为，（1）归纳是在茫茫宇宙中生存的人类必须采取也只能采取的认知策略，对于人类来说具有实践的必然性。（2）人类有理由从经验的重复中建立某种确实性和规律性，其依据就是确信宇宙中存在某种类似于自然齐一律和客观因果律之类的东西。这一确信是合理的，而用纯逻辑的理由去怀疑一个关于世界的事实性断言则是不合理的，除非这个断言是逻辑矛盾。（3）人类有可能建立起局部合理的归纳逻辑和归纳方法论。并且，归纳逻辑的这种可能性正在计算机科学和人工智能的研究推动下慢慢地演变成现实。恩格斯早就指出，“社会一旦有技术上的需要，则这种需要比十所大学更能把科学推向前进。”[④]有人通过指责现有的归纳逻辑不成熟，得出“归纳逻辑不可能”的结论，他们的推理本身与归纳推理一样，不具有演绎的必然性。（4）人类实践的成功在一定程度上证明了相应的经验知识的真理性，也就在一定程度上证明了归纳逻辑和归纳方法论的力量。毋庸否认，归纳逻辑目前还很不成熟。有的学者指出，为了在机器的智能模拟中克服对归纳模拟的困难而有所突破，应该将归纳逻辑等有关的基础理论研究与机器学习、不确定推理和神经网络学习模型与归纳学习中已有的成果结合起来。只有这样，才能在已有的归纳学习成果上，在机器归纳和机器发现上取得新的突破和进展。[⑤]这是一个极有价值且极富挑战性的课题，无疑在21世纪将得到重视并取得进展。
再谈模糊逻辑。现实世界中充满了模糊现象，这些现象反映到人的思维中形成了模糊概念和模糊命题，如“矮个子”、“美人”、“甲地在乙地附近”、“他很年轻”等。研究模糊概念、模糊命题和模糊推理的逻辑理论叫做“模糊逻辑”。对它的研究始于20世纪20年代，其代表性人物是L·A·查德和P·N·马林诺斯。模糊逻辑为精确逻辑（二值逻辑）解决不了的问题提供了解决的可能，它目前在医疗诊断、故障检测、气象预报、自动控制以及人工智能研究中获得重要应用。显然，它在21世纪将继续得到更大的发展。
3．广义内涵逻辑
经典逻辑只是对命题联结词、个体词、谓词、量词和等词进行了研究，但在自然语言中，除了这些语言成分之外，显然还存在许多其他的语言成分，如各种各样的副词，包括模态词“必然”、“可能”和“不可能”、时态词“过去”、“现在”和“未来”、道义词“应该”、“允许”、“禁止”等等，以及各种认知动词，如“思考”、“希望”、“相信”、“判断”、“猜测”、“考虑”、“怀疑”，这些认知动词在逻辑和哲学文献中被叫做“命题态度词”。对这些副词以及命题态度词的逻辑研究可以归类为“广义内涵逻辑”。
大多数副词以及几乎所有命题态度词都是内涵性的，造成内涵语境，后者与外延语境构成对照。外延语境又叫透明语境，是经典逻辑的组合性原则、等值置换规则、同一性替换规则在其中适用的语境；内涵语境又称晦暗语境，是上述规则在其中不适用的语境。相应于外延语境和内涵语境的区别，一切语言表达式（包括自然语言的名词、动词、形容词直至语句）都可以区分为外延性的和内涵性的，前者是提供外延语境的表达式，后者是提供内涵性语境的表达式。例如，杀死、见到、拥抱、吻、砍、踢、打、与…下棋等都是外延性表达式，而知道、相信、认识、必然、可能、允许、禁止、过去、现在、未来等都是内涵性表达式。在内涵语境中会出现一些复杂的情况。首先，对于个体词项来说，关键性的东西是我们不仅必须考虑它们在现实世界中的外延，而且要考虑它们在其他可能世界中的外延。例如，由于“必然”是内涵性表达式，它提供内涵语境，因而下述推理是非有效的：
晨星必然是晨星，
晨星就是暮星，
所以，晨星必然是暮星。
这是因为：这个推理只考虑到“晨星”和“暮星”在现实世界中的外延，并没有考虑到它们在每一个可能世界中的外延，我们完全可以设想一个可能世界，在其中“晨星”的外延不同于“暮星”的外延。因此，我们就不能利用同一性替换规则，由该推理的前提得出它的结论：“晨星必然是暮星”。其次，在内涵语境中，语言表达式不再以通常是它们的外延的东西作为外延，而以通常是它们的内涵的东西作为外延。以“达尔文相信人是从猿猴进化而来的”这个语句为例。这里，达尔文所相信的是“人是从猿猴进化而来的”所表达的思想，而不是它所指称的真值，于是在这种情况下，“人是从猿猴进化而来的”所表达的思想（命题）就构成它的外延。再次，在内涵语境中，虽然适用于外延的函项性原则不再成立，但并不是非要抛弃不可，可以把它改述为新的形式：一复合表达式的外延是它出现于外延语境中的部分表达式的外延加上出现于内涵语境中的部分表达式的内涵的函项。这个新的组合性或函项性原则在内涵逻辑中成立。
一般而言，一个好的内涵逻辑至少应满足两个条件：（i）它必须能够处理外延逻辑所能处理的问题；（ii）它还必须能够处理外延逻辑所不能处理的难题。这就是说，它既不能与外延逻辑相矛盾，又要克服外延逻辑的局限。这样的内涵逻辑目前正在发展中，并且已有初步轮廓。从术语上说，内涵逻辑除需要真、假、语句真值的同一和不同、集合或类、谓词的同范围或不同范围等外延逻辑的术语之外，还需要同义、内涵的同一和差异、命题、属性或概念这样一些术语。广而言之，可以把内涵逻辑看作是关于象“必然”、“可能”、“知道”、“相信”，“允许”、“禁止”等提供内涵语境的语句算子的一般逻辑。在这种广义之下，模态逻辑、时态逻辑、道义逻辑、认知逻辑、问题逻辑等都是内涵逻辑。不过，还有一种狭义的内涵逻辑，它可以粗略定义如下：一个内涵逻辑是一个形式语言，其中包括（1）谓词逻辑的算子、量词和变元，这里的谓词逻辑不必局限于一阶谓词逻辑，也可以是高阶谓词逻辑；（2）合式的λ—表达式，例如(λx)A，这里A是任一类型的表达式，x是任一类型的变元，(λx)A本身是一函项，它把变元x在其中取值的那种类型的对象映射到A所属的那种类型上；（3）其他需要的模态的或内涵的算子，例如€，ù、ú。而一个内涵逻辑的解释，则由下列要素组成：（1）一个可能世界的非空集W；（2）一个可能个体的非空集D；（3）一个赋值，它给系统内的表达式指派它们在每w∈W中的外延。对于任一的解释Q和任一的世界w∈W，判定内涵逻辑系统中的任一表达式X相对于解释Q在w∈W中的外延总是可能的。这样的内涵逻辑系统有丘奇的LSD系统，R·蒙塔古的IL系统，以及E·N·扎尔塔的FIL系统等。[⑥]
在各种内涵逻辑中，认识论逻辑（epistemiclogic）具有重要意义。它有广义和狭义之分。广义的认识论逻辑研究与感知（perception）、知道、相信、断定、理解、怀疑、问题和回答等相关的逻辑问题，包括问题逻辑、知道逻辑、相信逻辑、断定逻辑等；狭义的认识论逻辑仅指知道和相信的逻辑，简称“认知逻辑”。冯·赖特在1951年提出了对“认知模态”的逻辑分析，这对建立认知逻辑具有极大的启发作用。J·麦金西首先给出了一个关于“知道”的模态逻辑。A·帕普于1957年建立了一个基于6条规则的相信逻辑系统。J·亨迪卡于60年代出版的《知识和信念》一书是认知逻辑史上的重要著作，其中提出了一些认知逻辑的系统，并为其建立了基于“模型集”的语义学，后者是可能世界语义学的先导之一。当今的认知逻辑纷繁复杂，既不成熟也面临许多难题。由于认知逻辑涉及认识论、心理学、语言学、计算机科学和人工智能等诸多领域，并且认知逻辑的应用技术，又称关于知识的推理技术，正在成为计算机科学和人工智能的重要分支之一，因此认知逻辑在20世纪中后期成为国际逻辑学界的一个热门研究方向。这一状况在21世纪将得到继续并进一步强化，在这方面有可能出现突破性的重要结果。
4．对自然语言的逻辑研究
对自然语言的逻辑研究有来自几个不同领域的推动力。首先是计算机和人工智能的研究，人机对话和通讯、计算机的自然语言理解、知识表示和知识推理等课题，都需要对自然语言进行精细的逻辑分析，并且这种分析不能仅停留在句法层面，而且要深入到语义层面。其次是哲学特别是语言哲学，在20世纪哲学家们对语言表达式的意义问题倾注了异乎寻常的精力，发展了各种各样的意义理论，如观念论、指称论、使用论、言语行为理论、真值条件论等等，以致有人说，关注意义成了20世纪哲学家的职业病。再次是语言学自身发展的需要，例如在研究自然语言的意义问题时，不能仅仅停留在脱离语境的抽象研究上面，而要结合使用语言的特定环境去研究，这导致了语义学、语用学、新修辞学等等发展。各个方面发展的成果可以总称为“自然语言逻辑”，它力图综合后期维特根斯坦提倡的使用论，J·L·奥斯汀、J·L·塞尔等人发展的言语行为理论，以及P·格赖斯所创立的会话含义学说等成果，透过自然语言的指谓性和交际性去研究自然语言中的推理。
自然语言具有表达和交际两种职能，其中交际职能是自然语言最重要的职能，是它的生命力之所在。而言语交际总是在一定的语言环境（简称语境）中进行的，语境有广义和狭义之分。狭义的语境仅指一个语词、一个句子出现的上下文。广义的语境除了上下文之外，还包括该语词或语句出现的整个社会历史条件，如该语词或语句出现的时间、地点、条件、讲话的人（作者）、听话的人（读者）以及交际双方所共同具有的背景知识，这里的背景知识包括交际双方共同的信念和心理习惯，以及共同的知识和假定等等。这些语境因素对于自然语言的表达式（语词、语句）的意义有着极其重要的影响，这具体表现在：（i）语境具有消除自然语言语词的多义性、歧义性和模糊性的能力，具有严格规定语言表达式意义的能力。（ii）自然语言的句子常常包含指示代词、人称代词、时间副词等，要弄清楚这些句子的意义和内容，就要弄清楚这句话是谁说的、对谁说的、什么时候说的、什么地点说的、针对什么说的，等等，这只有在一定的语境中才能进行。依赖语境的其他类型的语句还有：包含着象“有些”和“每一个”这类量化表达式的句子的意义取决于依语境而定的论域，包含着象“大的”、“冷的”这类形容词的句子的意义取决于依语境而定的相比较的对象类；模态语句和条件语句的意义取决于因语境而变化的语义决定因素，如此等等。（iii）语言表达式的意义在语境中会出现一些重要的变化，以至偏离它通常所具有的意义（抽象意义），而产生一种新的意义即语用涵义。有人认为，一个语言表达式在它的具体语境中的意义，才是它的完全的真正的意义，一旦脱离开语境，它就只具有抽象的意义。语言的抽象意义和它的具体意义的关系，正象解剖了的死人肢体与活人肢体的关系一样。逻辑应该去研究、理解、把握自然语言的具体意义，当然不是去研究某一个（或一组）特定的语句在某个特定语境中唯一无二的意义，而是专门研究确定自然语言具体意义的普遍原则。超级秘书网
美国语言学家保罗·格赖斯把语言表达式在一定的交际语境中产生的一种不同于字面意义的特殊涵义，叫做“语用涵义”、“会话涵义”或“隐涵”（implicature），并于1975年提出了一组“交际合作原则”，包括一个总则和四组准则。总则的内容是：在你参与会话时，你要依据你所参与的谈话交流的公认目的或方向，使你的会话贡献符合这种需要。仿照康德把范畴区分为量、质、关系和方式四类，格赖斯提出了如下四组准则：
（1）数量准则：在交际过程中给出的信息量要适中。
a．给出所要求的信息量；
b．给出的信息量不要多于所要求的信息量。
（2）质量准则：力求讲真话。
a．不说你认为假的东西，。
b．不说你缺少适当证据的东西。
（3）关联准则：说话要与已定的交际目的相关联。
（4）方式准则：说话要意思明确，表达清晰。
a．避免晦涩生僻的表达方式；
b．避免有歧义的表达方式；
c．说话要简洁；
d．说话要有顺序性。[⑧]
后来对这些原则提出了不和补充，例如有人还提出了交际过程中所要遵守的“礼貌原则”。只要把交际双方遵守交际合作原则之类的语用规则作为基本前提，这些原则就可以用来确定和把握自然语言的具体意义（语用涵义）。实际上，一个语句p的语用涵义，就是听话人在具体语境中根据语用规则由p得到的那个或那些语句。更具体地说，从说话人S说的话语p推出语用涵义q的一般过程是：
（i）S说了p；
（ii）没有理由认为S不遵守准则，或至少S会遵守总的合作原则；
（iii）S说了p而又要遵守准则或总的合作原则，S必定想表达q；
（iv）S必然知道，谈话双方都清楚：如果S是合作的，必须假设q；
（v）S无法阻止听话人H考虑q；
（vi）因此，S意图让H考虑q，并在说p时意味着q。
试举二例：
（1）a站在熄火的汽车旁，b向a走来。a说：“我没有汽油了。”b说：“前面拐角处有一个修车铺。”这里a与b谈话的目的是：a想得到汽油。根据关系准则，b说这句话是与a想得到汽油相关的，由此可知：b说这句话时隐涵着：“前面的修车铺还在营业并且卖汽油。”
在飞行流量管理方面，飞行流量管理系统通过与辅助决策系统相结合，构成了人工智能辅助决策系统的飞行流量管理模块。该模块主要通过计算飞行流量来避免飞行流量的冲突，进而根据分析结果进行航班的排序。从具体的应用情况来看，首先，飞行流量的计算需要大量的原始数据，而这些数据既包含了历史数据，也包含了实时数据。同时，由于这些数据是来自于空域、机场和气象等多个方面的复杂信息，所以系统需要建立相应的飞行流量管理数据库，从而保证数据的准确性和及时性，进而保证飞行流量计算结果的可靠性。其次，在进行飞行流量计算时，系统利用了飞行动力学计算原理。根据数据库的信息，系统对飞机的四维飞行轨迹进行了计算，从而可以得知飞机的降落时间和降落地点。这样，系统就可以得出任意航段和交汇点在任意时间的飞行架次，进而列出潜在的飞行流量冲突信息。再者，在得知以上信息后，系统需要对这些信息进行分析，从而进行航班的排序，进而避免飞行流量的冲突。在排序方面，系统不仅可以实现飞行计划的过程仿真，还可以找出空域资源的“空闲”状态，进而利用该状态，进行航班和起降顺序的调整。而具体的排序原则有两个，一是优先级排序，二是全排列。其中，优先排序是按照一定的标准给这些航班拟定优先级，然后按照优先顺序进行航班的排序。而优先级的拟定标准有很多，比如飞行任务、机型、机场和时间等因素，都可以成为优先级的拟定标准。全排列原则是对冲突的航班进行全排列，从而根据每一次排列的延误损失，选择损失最小的排序方法。相比较来说，全排序法虽然较为科学，但是系统需要承担的运算量较大，因此会占用系统较多的内存资源。
2人工智能技术在飞行冲突探测与解脱管理方面的应用
人工智能技术的应用可以使空中交通管理系统具有高智能化的特征，从而满足飞行冲突与解脱管理方案自动生成的需要。具体来说，实现这一功能的模块是飞行冲突探测与解脱辅助决策模块，而该模块是由冲突探测与解脱系统和辅助决策系统组成的。该模块不但可以实现飞行冲突的预测，还可以为管制人员提供飞行冲突调配的决策方案，从而减轻管制人员的压力，帮助他们做出正确的决定。所以，该系统的应用，弥补了人类与机器各自存在的不足，从而有效的避免了因人为失误或机械故障而造成的飞行事故。从原理角度来看，系统首先通过分析飞行冲突情况来制定可能的解脱方案，然后根据航空器优先级分类方法和冲突类型判定法等多种规则，进行方案的选择和排除。在这一推理过程中，为了保证系统推理的有效性，系统需要根据大量的规则来进行方案的推理选择。而这些规则，则要被统一存入知识库系统中。这样，管制人员只要在平时做好知识库系统的更新和维护，就能够保证系统推理的有效性，从而根据系统提供的方案，来进行飞行冲突航班的排序。
3结论
摘要：人工智能是在计算机科学、控制论、信息论、心理学、语言学等多种学科相互渗透的基础发展起来的一门新兴边缘学科，主要研究用用机器（主要是计算机）来模仿和实现人类的智能行为，经过几十年的发展，人工智能应用在不少领域得到发展，在我们的日常生活和学习当中也有许多地方得到应用本文就符号计算、模式识别、专家系统、机器翻译等方面的应用作简单介绍，籍此使读者对我们身边的人工智能应用有一个感性的认识。
一、符号计算
计算机最主要的用途之一就是科学计算，科学计算可分为两类：一类是纯数值的计算，例如求函数的值，方程的数值解，比如天气预报、油藏模拟、航天等领域;另一类是符号计算，又称代数运算，这是一种智能化的计算，处理的是符号符号可以代表整数、有理数、实数和复数，也可以代表多项式，函数，集合等长期以来，人们一直盼望有一个可以进行符号计算的计算机软件系统早在50年代末，人们就开始对此研究进入80年代后，随着计算机的普及和人工智能的发展，相继出现了多种功能齐全的计算机代数系统软件，其中Mathematica和Maple是它们的代表，由于它们都是用C语言写成的，所以可以在绝大多数计算机上使用Mathematica是第一个将符号运算，数值计算和图形显示很好地结合在一起的数学软件，用户能够方便地用它进行多种形式的数学处理。
计算机代数系统的优越性主要在于它能够进行大规模的代数运算通常我们用笔和纸进行代数运算只能处理符号较少的算式，当算式的符号上升到百位数后，手工计算就很困难了，这时用计算机代数系统进行运算就可以做到准确，快捷，有效现在符号计算软件有一些共同的特点就是在可以进行符号运算、数值计算和图形显示等同时，还具有高效的可编程功能在操作界面上一般都支持交互式处理，人们通过键盘输入命令，计算机处理后即显示结果并且人机界面友好，命令输入方便灵活，很容易寻求帮助。
尽管计算机代数系统在代替人繁琐的符号运算上有着无比的优越性，但是，计算机毕竟是机器，它只能执行人们给它的指令，有一定的局限性首先，多数计算机代数系统对计算机硬件有较高的要求，在进行符号运算时，通常需要很大的内存和较长的计算时间，而精确的代数运算以时间和空间为代价的第二个问题是用计算机代数系统进行数值计算，虽然计算精度可以到任意位，但由于计算机代数系统是用软件本身浮点运算代替硬件算术运算，所以在速度要比用Fortran语言算同样的问题慢百倍甚至千倍另外，虽然计算机代数系统包含大量的数学知识，但这仅仅是数学中的一小部分，目前仍有许多数学领域未能被计算机代数系统涉及计算机代数系统仍在不断地发展、完善之中。
二、模式识别
模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读这里，我们把环境与客体统称为“模式”，随着计算机技术的发展，人类有可能研究复杂的信息处理过程用计算机实现模式（文字、声音、人物、物体等）的自动识别，是开发智能机器的一个最关键的突破口，也为人类认识自身智能提供线索信息处理过程的一个重要形式是生命体对环境及客体的识别对人类来说，特别重要的是对光学信息（通过视觉器官来获得）和声学信息（通过听觉器官来获得）的识别这是模式识别的两个重要方面市场上可见到的代表性产品有光学字符识别系统(OpticalCharacterRecognition，OCR)、语音识别系统等计算机识别的显著特点是速度快、准确性和效率高识别过程与人类的学习过程相似以“汉字识别”为例：首先将汉字图象进行处理，抽取主要表达特征并将其特征与汉字的代码存在计算机中就象把老师教我们这个字叫什么、如何写的知识记忆在大脑中这一过程叫做“训练”识别过程就是将输入的汉字图像经处理后与计算机中所保存的全部汉字进行比较，找出最相近的字作为识别结果，这一过程叫做“匹配”。
语音识别就是让计算机能听懂人说的话，一个重要的例子就是七国语言（英、日、意、韩、法、德、中）口语自动翻译系统其中，中文部分的实验平台设立在中国科学院自动化所的模式识别国家重点实验室，这是口语翻译研究跨入世界领先水平的标志该系统实现后，人们出国预定旅馆、购买机票、在餐馆对话和兑换外币时，只要利用电话网络和国际互联网，就可用手机、电话等与“老外”通话。
指纹是人体的一个重要特征，具有唯一性北京大学有关专家对数字图像的离散几何性质进行了深入研究，建立了从指纹灰度图像精确计算纹线局部方向、进而提取指纹特征信息的理论与算法，随后研究成功了适于民用身份鉴定的全自动指纹鉴定系统，以及适于公安刑事侦破的指纹鉴定系统从而开创了我国指纹自动识别系统应用的先河北大指纹自动识别系统的推出，使我国公安干警从指纹查对的繁重人工处理中解放出来浙江省从1997年开始使用北大指纹自动识别系统，采取省地（市）二级建库、省地（市）县三级查询的方式，形成了独特的“浙江模式”省公安厅现已建立了100多万人的指纹库，是目前国内的第二大库在100多万人的指纹库中，检索一枚现场指纹仅需4分钟左右2000年浙江省用指纹自动识别系统直接破案3063起，连带破案12000多起破案率为全国第一，并遥遥领先于国内其它指纹识别系统，被公安部树为指纹系统建设应用样板。
这里介绍一个综合应用的例子，一汽集团公司与国防科技大学最近合作研制成功“红旗轿车自主驾驶系统”（即无人驾驶系统），它标志着我国研制高速智能汽车的能力已达到当今世界先进水平汽车自主驾驶技术是集模式识别、智能控制、计算机学和汽车操纵动力学等多门学科于一体的综合性技术，代表着一个国家控制技术的水平红旗车自主驾驶系统采用计算机视觉导航方式，并采用仿人控制，实现了对红旗车的操纵控制首先，摄像机将车前方的道路和车辆行驶情况输入到图像处理和图像识别系统该系统识别出道路状况、前方车辆的相对距离和相对车速接着，路径规划系统根据这些信息规划出一条合适路径，即决定如何开车然后，路径跟踪系统根据需跟踪的路径，结合车辆行驶状态参数和车辆驾驶动力学约束，形成控制命令，控制方向盘和油门开启机构产生相应动作，使汽车按照规划好的路径前进，即按自主驾驶系统的规划路径前进。
三、专家系统
专家系统是一种模拟人类专家解决领域问题的计算机程序系统专家系统内部含有大量的某个领域的专家水平的知识与经验，能够运用人类专家的知识和解决问题的方法进行推理和判断，模拟人类专家的决策过程，来解决该领域的复杂问题专家系统是人工智能应用研究最活跃和最广泛的应用领域之一，涉及到社会各个方面，各种专家系统已遍布各个专业领域，取得很大的成功根据专家系统处理的问题的类型，把专家系统分为解释型、诊断型、调试型、维修型、教育型、预测型、规划型、设计型和控制型等10种类型具体应用就很多了，例如血液凝结疾病诊断系统、电话电缆维护专家系统、花布图案设计和花布印染专家系统等等。
为了实现专家系统，必须要存储有该专门领域中经过事先总结、分析并按某种模式表示的专家知识(组成知识库)，以及拥有类似于领域专家解决实际问题的推理机制(构成推理机)系统能对输入信息进行处理，并运用知识进行推理，做出决策和判断，其解决问题的水平达到或接近专家的水平，因此能起到专家或专家助手的作用。
开发专家系统的关键是表示和运用专家知识，即来自领域专家的己被证明对解决有关领域内的典型问题有用的事实和过程目前，专家系统主要采用基于规则的知识表示和推理技术由于领域的知识更多是不精确或不确定的，因此，不确定的知识表示与知识推理是专家系统开发与研究的重要课题此外，专家系统开发工具的研制发展也很迅速，这对扩大专家系统的应用范围，加快专家系统的开发过程，将起到积极地促进作用随着计算机科学技术整体水平的提高，分布式专家系统、协同式专家系统等新一代专家系统的研究也发展很快在新一代专家系统中，不但采用基于规则的推理方法，而且采用了诸如人工神经网络的方法与技术。
四、机器翻译
机器翻译是利用计算机把一种自然语言转变成另一种自然语言的过程，用以完成这一过程的软件系统叫做机器翻译系统几十年来，国内外许多专家、学者为机器翻译的研究付出了大量的心血和汗水虽然至今还没有一个实用、全面、高质量的自动翻译系统出现，不过也取得了很大的进展，特别是作为人们的辅助翻译工具，机器翻译已经得到大多数人的认可目前，国内的机器翻译软件不下百种，根据这些软件的翻译特点，大致可以分为三大类：词典翻译类、汉化翻译类和专业翻译类词典类翻译软件代表是“金山词霸”了，堪称是多快好省的电子词典，它可以迅速查询英文单词或词组的词义，并提供单词的发音，为用户了解单词或词组含义提供了极大的便利汉化翻译软件的典型代表是“东方快车2000”，它首先提出了“智能汉化”的概念，使翻译软件的辅助翻译作用更加明显以“译星”、“雅信译霸”为代表的专业翻译系统，是面对专业或行业用户的翻译软件，但其专业翻译的质量与人们的实用性还有不少差距，有人评价说“满篇英文难不住，满篇中文看不懂”，该说法虽然比较极端，但机译译文的质量确实却一直是个老大难问题这里，我们不妨对现有的机译和人译过程作一比较，从中可以看出一些原因：
机器翻译：
1.一句一句处理，上下文缺乏联系；
2.对源语言的分析只是求解句法关系，完全不是意义上的理解；
3.缺乏领域知识，从计算机到医学，从化工到法律都通用，就换专业词典；
4.译文转换是基于源语言的句法结构的，受源语言的句法结构的束缚；
5.翻译只是句法结构的和词汇的机械对应
人工翻译：
1.一般会先通读全文，会前后照应；
2.对源语言是求得意义上的理解；
3.只有专业翻译人员，而没有万能翻译人员；
4.译文是基于他对源语言的理解，不受源语言的句法结构的束缚；
5.翻译是一个再创造的过程
在目前的情况下，计算机辅助翻译应该是一个比较好的实际选择事实上，在很多领域中，计算机辅助人类工作的方式已经得到了广泛的应用，例如CAD软件如果计算机辅助技术用于语言的翻译研究，应该同样可以起到很大的辅助作用，这就是所谓的“计算机辅助翻译”它集机器记忆式翻译、语法分析式翻译和人际交互式翻译为一体，把翻译过程中机械、重复、琐碎的工作交给计算机来完成这样，翻译者只需将精力集中在创造性的思考上，有利于工作效率的提高。
机器翻译研究归根结底是一个知识处理问题，它涉及到有关语言内的知识、语言间的知识、以及语言外的世界知识，其中包括常识和相关领域的专门知识随着因特网的普及与发展，机器翻译的应用前景十分广阔作为人类探索自己智能和操作知识的机制的窗口，机器翻译的研究与应用将更加诱人国际上有关专家分析认为机器翻译要想达到类似人工翻译一样的流畅程度，至少还要经历15年时间的持续研究，但在人类对语言研究还没有清楚“人脑是如何进行语言的模糊识别和判断”的情况下，机器翻译要想达到100%的准确率是不可能的。
五、人工智能思想的应用：在家里寻找外星人
人工智能的基本思想已经在许多领域中得到了应用，“在家里寻找外星人”（SETI@home）项目就是利用人工智能的神经网络和网格计算思想的一个成功案例SETI@home是SearchforExtraTerrestrialIntelligenceatHome的缩写，意为：在家里寻找外星文明该项目由美国行星学会和美国加州大学伯克利分校于1999年5月17日开始启动，它利用特定的PC机屏幕保护程序，来调用全球上网的个人计算机的闲置能力，分析世界上最大的射电望远镜获得的数据，帮助科学家探索外星生物其计算模式的实质就是网格计算：
SETI@home项目的大致流程是这样的：
1.政府或者研究部门将一项需要巨大运算量的任务以程序和数据的形式提交给服务器
2.服务器将数据和程序代码分成更小的部分，也称“子任务”
3.在志愿者的PC机上安装一种特殊的客户程序（事实上是一个屏幕保护程序），它能自动同服务器联络，自动下载和处理子任务
4.子任务处理完后的结果被送回服务器然后，客户程序下载新的子任务，继续处理
5.一旦所有的子任务处理完毕，服务器就将各种结果汇总，生成最后的报告，并把最终结果发回提交人
以上论证说明：人工智能技术可以在人类隐性智慧定义的工作框架内模拟人类显性智慧（人类智能）生成知识，创建主客双赢的策略解决各种复杂问题。而这是现今其他各类技术做不到的。不过，由于在人工智能系统工作的基本过程中，（1）中客观存在各种不确定性，人类给定的知识未必能够理想地体现客观规律，也未必能够完全满足求解问题的需要，（2）中人类预设的求解目标也不见得完全合理，（3）中人工智能系统各个环节必然存在各种不理想性。因此，人工智能系统对人类显性智慧能力的模拟不可能完全到位，人工智能系统提供的问题解答也有可能不如人类自己求出的解答。换言之，人工智能系统所模拟的人类显性智慧能力，原则上不可能超过人类自己的显性智慧能力。如果说人工智能系统确实也有超人的地方，那主要是它的工作速度、工作精度、持久能力等因素，而不可能是显性智慧中的智慧品质。至于一些人所宣传的机器超越人类甚至机器淘汰人类的说法，是没有根据的。无论是人工智能系统，还是其他各种机器系统，它们共同的问题之一是：机器没有生命，没有目的，不可能自主发现应当解决的实际问题，不可能自主形成机器的智慧，尤其不可能无中生有地形成超越人类和淘汰人类的荒唐愿望，因此更不可能产生淘汰人类或灭绝人类的行为。
2人工智能与信息技术的关系
图2的人工智能系统模型表明，完整的人工智能技术系统必须具有如下环节：信息获取（感知）、信息传递（通信）、信息处理（计算）、知识生成（认知）、策略创建（决策）、策略执行（控制）以及反馈学习优化等基本技术系统，这正像“人”这个智能系统必须具有感觉器官（信息获取）、传输神经系统（信息传递）、思维器官（信息处理、知识生成、策略创建）以及执行器官（策略执行）。 其中传感（感受信息）、通信（传递信息）、计算（处理信息）、控制（执行信息）等技术属于信息技术。可见，人工智能系统是一个全局整体，其中包含着传感、通信、计算、控制等信息技术环节；这正像人这个智能系统是一个全局整体，其中包含感觉器官、传输神经、丘脑和执行器官这些信息器官。如果把人工智能系统称为完整的人工智能系统，而把其中的知识生成和策略创建称为核心人工智能系统，那么，则有：完整的人工智能系统＝核心人工智能系统＋信息技术系统其中，核心人工智能系统处于完整人工智能系统的核心，处理知识和智能层次的问题；信息技术系统处于完整人工智能系统的外周，处理信息层次的问题，同时担任核心系统与外部环境之间的两端接口：一端是从环境获取本体论信息（传感），另一端是对环境施加智能行为（控制）。这就表明，信息技术系统提供给人类的服务主要是方便快捷的信息共享，而不可能提供如何认识事物本质的服务（因为这需要知识），更不可能提供如何解决问题的服务（因为这需要智能策略）[2]。
3“新型”信息技术
近十多年来，先后出现了大数据、云计算、物联网、移动互联网以及各种互联网的应用技术。人们把它们称为“新型”信息技术或“新一代”信息技术。深入分析可以发现，这些新型信息技术的核心技术正是核心人工智能系统的知识生成和策略创建技术。不妨以大数据技术为例加以说明。图3表示了大数据技术系统的工作流程。由于有着多种来源、多种背景以及多种格式，大数据通常是病态结构或不良结构的大规模数据集合，其中可能包含垃圾、病毒和黑客攻击程序。因此，如图3所示，大数据技术的第一个环节就是智能分类：把无用的数据识别分类出来加以过滤和抑制，把有用的数据按照某些特征进行分类，再分门别类地送到恰当的云计算（和云存储）系统，进行相应的信息处理，为知识生成（知识挖掘）做好必要的准备。通过知识挖掘生成了足够的知识之后，才可以把这些知识（结合求解目标）转换成为用来解决问题的智能策略。其中，智能分类、知识挖掘和策略创建都是人工智能的基本技术。可见，如果没有这些人工智能技术，大数据就只能是数据，而不可能转换成为有用的知识和可以用来解决问题的智能策略。
由此可知，大数据技术的核心就是人工智能技术，可以把它比较确切地称为面向大数据的智能技术。而把它称为新型信息技术则没有真正抓住大数据技术的要害和本质，模糊了人们对大数据技术和人工智能技术的认识，不利于大数据技术的研究和发展，也不利于人工智能的研究和应用。真正的智能物联网模型不是别的，正是图2所示的模型。如图2所示，只要在综合知识库内设置“对物控制的目标”，那么“外部世界的物”的信息就经由传感器获得，经过通信系统传送到计算系统并在这里进行必要的处理即把信息变成适用的信息，接着由认知系统转换成为知识，然后由决策系统根据控制目标把信息和知识转换成为智能策略，智能策略再经通信系统传到执行系统之后转换成为智能行为反作用于所关注的“物”，使它的状态符合预设的目标。近来人们在密切关注着“互联网＋”。其实，“互联网＋”可以有两种不同的理解。一种理解是当前人们所关注的互联网推广，这里的“＋”就相当于信息化的“化”，就是互联网的各种应用。另一种更有意义的理解则把“互联网＋”理解为互联网升级，就是把以计算机为终端的现有互联网升级为以人工智能系统为终端的智能互联网。这就是2015年全国两会期间全国政协委员的“中国大脑”提案。应当认为，互联网推广,即把互联网应用到各行各业是完全必要的，这是信息化建设的正常要求。但是，从信息化建设的发展大势来看，互联网升级即把当前常规互联网升级为智能互联网则更为必要，这将为中国信息化建设注入更为强大的新活力，是转变经济发展方式的需要，是国民经济产业升级的需要。综上所述，大数据技术、云计算技术、智能物联网技术，其实都是人工智能技术的相关具体应用。可以这么说，如果没有人工智能技术，单凭信息技术很难有效地应对大数据和物联网以及未来更多更复杂的技术挑战。
4结束语
关键词：人工智能；智能家居；智能音箱
一、相关概念
（一）人工智能。人工智能是一门研究、理解和模拟人类智能，并且发现其内在规律的学科。它是计算机科学的一个分支，试图发现智能的实质，并创造出一种以人类思考的方式做出相似反映的智能机器。同时，它又是计算机知识、心理学知识和哲学知识的集合，模拟人的意识和思维过程，让机器能够做到只有人类智慧才能做到的复杂的事项。
（二）智能家居。智能家居是嵌入式技术、通信技术和网络技术的集合，通过系统将各种家居与人们的居家生活紧密结合，以提高人们生活的舒适感和安全感。随着人工智能的迅猛发展，智能家居正与人工智能紧密结合，让消费者享受到更人性化的居家体验。
二、文献综述
欧阳婷梓研究了人工智能对智能家居的影响，认为人工智能应用的落地将会使智能家居产业升级，同时还指出Al技术还有待突破，市场决定人工智能能否再次爆发。荣华英和兼国恩研究了人工智能发展背景下国际智能家居行业贸易发展前景，认为国际智能家居行业贸易将朝智能产品设计、智能生产制造、智能高效物流和智能商业服务方向发展。吴斌在研究我国智能家居系统发展存在的问题时，指出要制定行业标准体系，降低系统成本并完善售后服务。
观察现有研究，发现有关人工智能时代下智能家居行业发展的研究仍相对较少，本文指出Al对智能家居行业发展的影响，指出未来发展机遇，并预测未来该行业的发展趋势，对行业发展具有指导意义。
三、智能家居行业发展现状
（一）国际智能家居行业发展现状。美国的Amazon Echo、Google Home和Apple HomeKit占据了国外的智能家居语音控制平台市场，Contro14 利用Zigbee技术可以与世界知名品牌的家电产品连接，控制各种设备和系统；英国的Laing Homt公司早在2000年建立了“智能家居”示范街，给每栋房子都装上了智能管理系统，近年也在国内建立起了一些智能家居体验式展厅；日本软银生产的Pepper人形情感机器人能够读懂人类的情感，并做出相应的反映，在各种场合为人们服务，松下于2017年“Panasonic Home+全屋智能”战略，让全屋各个部分的功能都智能化；德国的Apartimentum未来型公寓将物联网应用和先进科技结合起来让住户的生活更加简洁舒适。据中国报告大厅的《2016-2021年中国智能家居产业市场运行暨产业发展趋势研究报告》数据显示智能家居市场规模逐年上涨，但增长速度开始放缓，随着人工智能的发展，行业开始进入技术融合，技术沉淀打造更加智能的家居用品的阶段，2016～2018年全球智能家居市场规模变化如图1所示。
（二）国内智能家居行业发展现状。2012年智能家居行业进入快速发展期，深受大众追捧，但进入2015年，销售增速开始放缓，随着政策的扶持，2016年市场规模增速开始上涨。工信部数据显示，我国物联网产业规模发展迅速，2010年规模超过2，600亿元，2015年达到7，500亿元，2020年产业规模将突破15，000亿元，物联网在智能家居、智能社区和智慧城市等领域发展愈发强劲。面对如此红利，相关企业加快布局，海尔建立U-home平台、美的建立M-Smart平台、阿里巴巴建立人工智能实验室并了智能音箱等产品。据中国报告大厅的《2016-2021年中国智能家居产业市场运行暨产业发展趋势研究报告》数据显示，未来几年智能家居市场规模持续上涨，市场前景看好，市场规模增长情况如图2所示。
智能家居产业错综复杂，涉及众多产品，根据目前各企业涉及的领域，大致分为六个流派：以海尔、美的为代表的传统家电企业，通过将原有的产品智能化提高销售；以阿里巴巴和京东为代表的互联网企业，通过自产智能硬件或与传统家电企业建立合作涉足智能家居行业；以华为和小米为代表的手机硬件企业，通过研发软件、生产硬件和建立智能家居生态系统进军智能家居行业；以Honeywell、Bosch和松下为代表的安防企业，在本身安防设备的基础上智能化，占据智能家居安防市场；以Amazon Echo和Google Home为代表的国外智能家居企业，通过语音识别和人工智能技术进军国内市场；以及一些提供云平台服务和小型硬件的供应商。
四、当前智能家居行业面临的问题
（一）缺乏规范统一的标准。在整个智能家居产业中，至今还没有制定统一的标准，导致各大公司各行其道，各自开发自己的系统，与其他厂商开发出来的系统并不兼容，目前具有代表性的是谷歌、苹果、微软加入了高通主导的AllSeen联盟，英特尔、三星、戴尔等公司组成了智能家居设备标准联盟OIC。之后，谷歌在收购Nest之后力推Thread，苹果自家提出Homekit。一方面用户的智能体验降低；另一方面加重了用户的转换成本。而人工智能是一项复杂的产业，它不是一两家公司就能经营好的，它需要各领域的公司参与进来研发技术、搭建平台、生产终端，各司其职，并用统一的标准将各个环节连接起来。
（二）缺乏人性化的伪智能。目前，智能家居产品大多通过手机来实现，但有些厂商以“智能”为噱头，将原本简单的操作强加到手机上，使得手机承担较多的功能。然而，除了年轻人对智能手机的操作较为熟悉，其他用户面对复杂的“智能”操作只能望而却步，严重缺乏人性化设计。
（三）需求低且价格高。一方面智能家居概念映入人们眼帘的时间较短，人们对智能家居还不太了解；另一方面智能家居智能化水平不高，操作复杂，运行过程中经常出错，严重打击了消费者的体验。同时，目前的技术水平有限，技术和产品的研发需要较高的研发费用，加上日常的维护费用，导致智能家居的消费价格偏高，打击了消费者的购买欲望。
（四）信息安全存在隐患。物联网信息传输过程中，个人信息极易被黑客窃取，不法分子通过这些个人信息进一步窃取用户的财产，会造成巨大的社会不稳定，对智能家居未来发展构成巨大威胁。如果智能家居产业在未来想占据较大一部分家居市场，就必须克服信息安全问题，加大信息的监管力度。
五、Al助力智能家居行业发展
（一）AI与智能家居结合进入最终状态。经过几十年的发展，智能家居经过了用App远程控制家电的单品智能化和多个电器间相互感应的智能互动两个阶段，以上两个阶段均为弱智能阶段，得通过手机来操作。而第三阶段是家居产品与人工智能的深入结合，赋予家居产品人性化，摆脱手机的操控，通过自主学习、主动记忆、自主决策为用户提供舒适的生活。
（二）提升全新的交互体验。语音交流以其与人交流的亲和感，成为当今最流行的人机交互方式。人类通过语音给机器下达指令，机器通过语音识别执行指令。近几年，语音识别技术取得重大突破，语音识别准确率达到97%以上。而智能音箱具有语音交互、提供音乐和有声读物等媒体内容、提供多种互联网服务以及可以对智能家居进行控制等功能，深受大众追捧，因而被称为智能家居的入口。为抢占智能家居的入口，互联网各大巨头纷纷加紧研究抢占市场。2014年11月，亚马逊推出智能音箱Echo，至今已有几千万的销量，随后谷歌推出GoogleHome，微软推出Cortana，紧接着国内的京东推出叮咚音箱，阿里巴巴也推出了“天猫精灵”，小米推出“小爱同学”。
（三）提供更安全、可控的应用环境。传统的密码输入和保护方式已经不再满足人们对操作便捷性和安全性的要求，于是推动了人们对生物识别技术的开发。生物识别是指通过计算机与生物传感器等高科技结合，提取人固有的生理特征和行为特征，以鉴定个人身份。目前人脸识别、指纹识别和虹膜识别已经得到广泛的应用。为达到更高的安全水准，通过红外线照射获取手指静脉图像的指静脉技术也在紧密研究当中，极大地迎合了人们对智慧生活的追求。
六、我国智能家居发展的机遇
（一）我国加速进入老龄化社会，智能家居需求增大。因为工作关系很多子女与父母在异地生活，难以妥善地照顾好父母的生活，而智能家居可以方便老人们的日常生活，提高老年人的生活质量，加上多年财富的积累，老年人的经济实力比年轻人要高，随着老龄化进程的加快，老年人人口的比例将加重，多重原因结合起来支撑起了未来潜在的市场需求。
（二）“智能家居”概念将越来越普及。通过前些年“智能家居”概念的炒作，各大新闻客户端、网站的转载宣传，让越来越多的人认识了解到智能家居的相关概念。近些年各大浏览器对“智能家居”关键词的搜索数量大幅度增长，随着科学技术的发展，人们对智能家居产品的信赖感也在增强。如今人们购买家具，对房屋进行装修也会考虑适当引进智能家居的相关元素进入日常的起居中。
（三）居民收入增多，消费价格将降低。随着经济的不断发展，人们的收入也在逐年上涨，到2020年我国将全面建成小康社会，届时人们的收入水平将会大幅增长，相比2010年翻一番。经济增长的同时，科技也在飞速发展，技术水平的不断完善降低了智能家居产品的成本，同时电信运营商的网络费用也在下调，日常的运营维护成本也在下降，消费者的消费成本将会大幅下降，市场需求将会激增，市场规模将会扩大。
（四）政策扶持，发展道路顺畅。智能家居产业发展被写入政府工作报告，政府相继出台《“互联网+”人工智能三年行动实施方案》、《智能制造工程实施指南（2016-2020年）》、《促进新一代人工智能产业发展三年行动计划（2018-2020年）》等指导性文件，促进智能家居、智能机器人、智能制造装备等领域产业发展。并成立“中国人工智能产业创新联盟”和“人工智能产业技术创新战略联盟”，把涉及人工智能领域的所有环节全面整合，扫除阻碍人工智能发展的一切障碍。
七、我国智能家居行业未来发展趋势
（一）标准日趋统一。当智能家居行业依旧遵循现在的发展方式，各企业各行其道，系统间互不兼容，消费者将会对该行业产生疲倦，未来市场规模可能难以扩大。除非出现一家领导性标杆企业，拥有自己的系统，能够生产出所有类别的智能家居产品，用户对该企业提供的方方面面都很满意，进而垄断了整个智能家居市场。很显然，出现这种情况的概率很小，没有一家企业可以力挽狂澜，所以市场逼着企业间建立起统一的标准，为用户提供便捷舒适的生活体验。
（二）AI与智能家居的完美融合。人工智能在智能家居领域的广泛应用已是大势所趋，只有智能家居与人工智能的完美结合才会让人们的生活更加便捷。未来智能家居将会更加智能化、人性化，能够准确抓住用户的喜好提供相应的服务，根据用户的工作安排相应的行程。一整套智能家居系统犹如一个智能管家，在最优的时间提供最优的服务。
（三）个人信息更加安全。个人信息的安全是制约智能家居市场规模扩大的又一要素，因此行业内将建立起一套世界领先的信息安全标准，并且该标准能够和各地的法律法规衔接好，收集到的数据能够安全地储存好，能够记录数据的产生时间地点等情况，以便需要的时候能够查证。
八、结语
人工智能时代下智能家居行业仍将在相当的一段时间处于一个无统一标准、需求低、价格高的阶段，但随着老龄化进程的加快，智能家居概念的逐渐普及、居民收入不断增加、产品价格的不断下降，智能家居产品的市场需求将会逐渐增长，将促使企业间制定规范统一的标准，人工智能将会与智能家居完美结合，为用户提供更加舒适便捷的生活。
（来源：合作经济与科技 文/陈功正 王腾 陆畅 王蕴鑫 陈黎阳 编选：电子商务研究中心）
主要参考文献
［1］陈晋.人工智能技术发展的伦理困境研究［D］.吉林大学，2016.
［2］邓中祚.智能家居控制系统设计与实现［D］.哈尔滨工业大学，2015.
［3］欧阳婷梓.人工智能能否成为智能家居的强心剂［J］.通信企业管理，2018.1.
购物车(0)
