世界五大最成功人工智能技术应用
最近全中国都在讨论&中国大脑&，但更多地还是停留在概念意淫，其实基于大数据的人工智能技术早已经渗透进我们的生活，陪伴在我们的身边。
几百数千年后，或许没人会记得卡斯帕罗夫曾是世界第一的围棋高手，但人们会记得，他败给了电脑&深蓝&。那虽算不上人工智能时代的开启，但也足够成为一道里程碑，而卡斯帕罗夫却不幸的成为了碑上的的铭文。
图1：电脑&深蓝&击败国际象棋第一人
所谓人工智能，就是要实现所有目前还无法不借助人类智慧才能实现的任务的集合。或许&人工智能&听起来总让人想起科幻小说或者科幻电影中的那些聪明的robot，很有趣，但却缺乏真实感。可实际上机器人外形只不过是人工智能的容器之一，人工智能很早之前就以多种形态出现在生活之中。
沃森：击败最强大脑的人工智能
如果说深蓝只体现于对弈的人工智能并不算足够智能的话，那么另一款人工智能程序&沃森&，则能够符合大众对&智能&的认知。在一档类似于&最强大脑&的综艺节目《危险边缘》中，沃森击败了两位最高纪录保持者，获得百万奖金。问答过程中，沃森在无人类协助的情况下，独自完成对自然语言的分析，并且以远超人类的速度完成抢答。
图2：&沃森&智力碾压美国最强大脑
人工智能程序沃森的特点在于对大数据迅速、准确的分析，于是现今IBM正将其运用于医学领域。病人向沃森上传自己的病况与症状，沃森则根据该情况分析患者最有可能患上的疾病种类，并提供医治方法。今后该程序还可运用在更多特定环境中，为用户提供各种紧急情况的应对方法。
谷歌搜索：隐藏最深的人工智能
2002年，尚未成为谷歌CEO的拉里&佩奇曾在回答凯文&凯利&为什么谷歌要做免费搜索&的提问时，回答道，&不，我们在做人工智能&。实际上，谷歌搜索正是一种完善人工智能的尝试：用户在谷歌上的每一次搜索，都是在辅导人工智能进行深度学习。
图3：暗藏人工智能技术的谷歌搜索
谷歌搜索在表面上只是一款搜索引擎，但其引擎的机理和很多人工智能程序相同：以并行计算、大数据及更深层次算法为基础，完成对数据、问题的智能化分析。或许很多谷歌用户都能感受到，谷歌搜索正变得越来越&聪明&，越来越&懂你&，而赋予其这种学习能力的，正是人工智能。
谷歌无人驾驶汽车：即将到来的人工智能
前方红灯需要停车；左转弯时注意行人与后方汽车；前方汽车急停需要迅速踩刹车&&诸如此类复杂且参考因素众多的驾驶问题，只有人类才能妥善解决。不过这个情况马上就会迎来改变，因为Google的无人驾驶车将于2020年正式上市。人工智能正在取代人类的工作，解放人类的双手。
图4：即将问世的谷歌无人驾驶汽车
与谷歌无人驾驶汽车高价值对应的，是复杂的分析程式：利用传感器、雷达、摄像机、激光测距仪、GPS等获得路况信息，再交由系统分析，获得应对措施，再传达至汽车的各项零部件&&其复杂繁琐程度可见一斑。虽然谷歌汽车暂时尚未能完全实现汽车自动驾驶，但相信随着人工智能技术的发展，人工智能完全接替人力操作的未来并不遥远。
QVM：最安全也&最冷门的人工智能
国内也有颇多厂商开始利用人工智能技术为大众服务，其中成熟度较高的则是安全领域中的一款杀毒引擎：360 QVM引擎。QVM引擎在病毒库中寻找病毒演化规律并归纳成算法，尔后利用人工智能技术的学习功能将其掌握，最终QVM引擎将能够自主识别病毒库中的样本及病毒库中并不存在的样本&进化版&。据了解，人工智能引擎QVM被归为第三代杀毒引擎，其病毒检出率已远超前两代引擎的总和，且查杀速度至少提高一倍。
图5：QVM人工智能引擎病毒检出率世界第一
在反病毒领域，QVM的价值并不仅体现在其快速、准确的识别、查杀病毒能力，还有将人工智能技术与杀毒软件结合的想法：首先通过对病毒样本的分析和分类形成样本向量和向量机，然后建立一个机器学习的决策机模型，利用决策树和向量机对大量样本进行学习，从而识别恶意程序或非恶意程序；并且病毒库中的样本越多，QVM引擎的查杀将越快、越精确。运用人工智能技术的QVM引擎，正在重新定义杀毒软件的历史。
苹果Siri：为你解决问题的人工智能
相比于冷冰冰的的病毒引擎，人们对有&感情&的Siri明显更有兴趣。Siri用到的技术同样基于人工智能以及云计算：通过与用户交互获取用户需求，将自然语言转化为&真实含义&，交由知识库分析、检索所需结果，最终再转换为自然语言回答给用户。短短数秒之内，Siri就能将用户需求转化为多不同的表述方式并完成在海量数据中的搜索。
图6：智能私人助理Siri
Siri对人类生活产生的影响无需赘述，从最初的聊天解闷，到后来能有效的帮助主人搜索并解决问题，现今Siri俨然成为最合格的&私人助理&。在并不遥远的未来，以Siri为代表的人工智能语音识别技术亦将有着更大的发展：类似于&沃森&的医疗求助、车载导航乃至教育领域都可以利用该技术来达到解放人力的目的。
虽然当前人工智能技术的&思考方式&依旧略显远古，但即便如此，它们还是在很多领域超越了人类中的佼佼者。&我们该给它们多一些的时间，再等个15年，机器（人工智能技术）或许就能完全超越我们&，奇点大学校长雷&库兹韦尔在接受采访时曾如是表示；大批&聪明人&（霍金、比尔盖茨等）亦都曾预测&智能爆炸&为期不远。或许库兹韦尔所期待的遥远的奇点，已经来临了。
最新图文推荐
最新专栏文章
大家感兴趣的内容
网友热评的文章
seajs.config({
base: "/resource/passapi/scripts/"
seajs.use('seajs/seajs-css');
seajs.use(['artdialog/src/dialog-plus'], function (dialog) {
$('#favorite').on('click', function(){
$.getJSON('/passapi.php?op=userstatus&callback=?', function(data){
if (data.status == 1) {
var _this = $('#favorite').find('span');
$.getJSON('/?app=favorite&controller=favorite&action=add&jsoncallback=?&contentid='+contentid, function(json){
if(json.state){
_this.html('您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
人工智能及其应用.ppt46页
本文档一共被下载：
次 ,您可免费全文在线阅读后下载本文档
文档加载中...广告还剩秒
需要金币：100 &&
你可能关注的文档：
··········
··········
第五章 计算智能 5.4 遗传算法
遗传算法是模仿生物遗传学和自然选择机理，通过人工方式所构造的一类搜索算法，从某种程度上说遗传算法是对生物进化过程进行的数学方式仿真。
霍兰德（ Holland ）于1975年在他的著作
《Adaptation in Natural and Artificial Systems》首次提出遗传算法，并主要由他和他的学生发展起来的。
生物种群的生存过程普遍遵循达尔文进化准则，群体中的个体根据对环境的适应能力而被大自然所选择或淘汰。
5.4 遗传算法
进化过程的结果反映在个体的结构上，其染色体包含若干基因，相应的表现型和基因型的联系体现了个体的外部特性与内部机理间逻辑关系。通过个体之间的交叉、变异来适应大自然环境。
生物染色体用数学方式或计算机方式来体现就是一串数码，仍叫染色体，有时也叫个体；适应能力对应着一个染色体的一个数值来衡量；染色体的选择或淘汰则按所面对的问题是求最大还是最小来进行。 　　 5.4 遗传算法
遗传算法自从1975年提出以来，在国际上已经形成了一个比较活跃的研究领域，已召开了多次比较重要的国际会议和创办了很多相关的国际刊物。
遗传算法已用于求解带有应用前景的一些问题，例如遗传程序设计、函数优化、排序问题、人工神经网络、分类系统、计算机图像处理和机器人运动规划等。
5.4 遗传算法 5.4.1 遗传算法的基本机理
霍兰德（ Holland ）的遗传算法通常被称为“简单遗传算法”简称SGA ），我们以此作为讨论主要对象，加上适应的改进，分析遗传算法的结构和机理。
我们首先介绍主要的概念。在讲解中将结合如下的推销员旅行问题（Travelling Salesman Problem，简记为TSP）：设
正在加载中，请稍后...记住用户名
下次自动登录
记住用户名
下次自动登录
记住用户名
下次自动登录
人工智能技术在军事方面的应用
来源：互联网
（270797）人已经阅读
&&&&&&&&导语：军用人工智能是计算机模仿人的部分智能，如识别图形、听懂语言、适应环境、接受启发、学习、推理等技术在军事领域的应用，是研究计算机用来完成军事活动中关于部分推理、判断、决策、探索、控制、图形识别、制导、环境适应等有关理论、技术和方法的智能活动。
　　应用于军事领域，利用电子计算机模拟人类的学习与推理,问题求解,辅助决策途径和方法等智能活动的一项新兴技术。它是在人工智能学理论指导下的一种综合技术。人工智能学是一门专门研究智能放大和使用计算机来模拟人的感觉和思维过程规律的理论。是正处在发展中的综合性学科，涉及数学、语言学、人体科学、哲学、心理学、逻辑学、计算机学等多门学科。的内容主要包括：自然语言理解；知识表达与模式识别；规划生成与问题求解；机器翻译与语言合成；定理证明与归纳推理；学习系统与发现系统；认知模型与专家系统；机器视觉与智能机器人；智能语言与自动编程等。人工智能系统，是一种基于知识的逻辑推理系统。人工智能技术广泛地应用于工业、农业、文教卫生、气象、地质勘探、交通运输以及社会科学等领域，尤其大量应用于军事和国防科学技术研究与军工生产。
　　人工智能技术是在20世纪50年代产生的。当时世界的科学技术已经进入一个新的发展阶段，信息量急剧增加,信息传递日益加快,人类的自然智能已经无法迅速处理如此巨大数量的信息，人们便开始探索通过计算机来执行需要使用人的智能才能完成的任务。60年代，人工智能技术主要用于弈棋、定理证明和简单的人工智能专家系统研究。70年代，随着微型和集成电路技术的迅猛发展，人工智能专家系统的研究进入应用开发阶段，一些初级商品化的专家系统在市场上出现。专家系统是一种智能化的计算机软件系统。该系统中的知识，是从人类专家头脑中获取并编写成软件存储到计算机中去的。这些知识是相应专业领域中较为先进和准确的知识。专家系统作为一种特殊的软件系统，在它与计算机组合成一个完整的综合系统之后，就可以向人们提供知识、建议、推理、判断或决策意见。既可以作为一种完整、独立的智能化工具，从事与人工智能技术相关的系统开发工作，并在部分功能上起到人类助手的作用；又可以直接作为新一代智能机的部件和开发工具。
　　80年代以来，人工智能技术得到了迅速的发展，应用于遗传工程、化学合成、业务管理、石油勘探、法律断案及军事领域中的专家系统相继研制成功。日本、美国、苏联和西欧某些国家均以政府支持的方式，大力资助和领导人工智能技术的研究与开发工作。其中，日本的新一代智能计算机系统研究与开发计划、英国的阿尔维(ALVE)计划、 美国的战略计算倡议(SCI)和西欧的尤里卡(EUREKA)计划最为引人注目。美国在人工智能技术研究方面，以军事用途为首要目标，由国防部出资10亿美元，拟在从1983年开始的10年内，研制出用于军用航天器的自动控制驾驶仪，陆上多用途自主作战系统和舰用多用途智能计算机等军事人工智能化装备。中国于60年代开始进行人工智能技术的开发研究，一些人工智能应用成果，已开始在国民经济发展和国防建设中发挥作用。在人工智能基础研究和理论研究工作中，尤其在智能机体系结构、智能语言及智能机器人的研究工作中，都有独到的见解和成就。
　　军事应用
　　人工智能技术在军事上有着广阔的应用前景，在此领域中已出现上百种成功的应用项目。当前应用在军事方面的主要有：
　　①自主多用途作战机器人系统。其主要特点是：能够识别地形、地物，选择前进道路;判定敌情,深入敌方阵地，独立自主地完成侦察、运送弹药给养、扫雷、及投弹、救护伤员等任务。
　　②军用飞机“副驾驶员”系统。它能够协助驾驶员完成监控及操纵各种机载电子系统的工作，其智能计算机具有实时判定、推理、语言理解和辅助决策等多种功能。
　　③自主多用途军用航天器控制系统。它能够对军用航天器的飞行姿态作自主的调整并保持正常姿态。同时，可以对卫星的故障进行自动检测及排除。在卫星处于紧急状况时，实时作出返回发射基地或自行毁灭的指令。
　　④武器装备的自动故障诊断与排除系统。在武器装备内装有以人工智能专家系统为主要程序的计算机系统及执行命令的机器人系统。专家系统内装有自动诊断各种故障的反映专家知识水平的软件包。在通过专家系统确定故障由来之后,再下达指令给机器人维修系统,将故障（或潜在故障）及时排除。
　　⑤军用人工智能机器翻译系统。它可用于收集情报、破译密码、处理作战文电、协调作战指挥和提供战术辅助决策等。该系统内装有可以进行语言分析、合成、识别及自然语言理解的智能机，其内存储着多国语言基本词汇和语法规则。
　　⑥舰船作战管理系统。它可用于局部海域作战指挥、辅助战术决策、海上目标敌我识别、岸 -舰一体化作战管理等。
　　⑦智能电子战系统。它可自动分析并掌握敌方雷达的搜索、截获和跟踪工作顺序，发出有关敌方导弹发射的警告信号，并确定出最佳防卫和干扰措施。
　　⑧自动情报与图像识别系统。它通过情报分析和图像处理技术，对敌方情报及图像进行识别、分类和信息处理。同时，自动提供辅助决策意见。
　　⑨人工智能武器。它的控制系统具有自主敌我识别、自主分析判断和决策的能力。如：发射后“不用管”的全自动制导的智能导弹、智能地雷、智能鱼雷和水雷、水下军用作业系统等。人工智能技术正在迅速地发展,智能机、智能化武器装备和智能机器人的应用,对军事装备的发展将产生重大的作用；也必将对未来战争的战略、战术带来重大影响。
责任编辑：yzq
友情提示：健康安全网所提供文章内容由专业友邻网站及权威专家和专业编辑供稿，作为网民健康安全生活参考文摘，如涉及您的版权权益，请及时联系我们，我们将第一时间做出回应。为更好的服务网民和您的价值体现，欢迎社会各界提供健康安全方面的文稿。
最新排行榜 上传我的文档
 下载
 收藏
该文档贡献者很忙，什么也没留下。
 下载此文档
正在努力加载中...
游戏开发中的人工智能研究与应用
下载积分：1700
内容提示：游戏开发中的人工智能研究与应用
文档格式：PDF|
浏览次数：14|
上传日期： 17:51:24|
文档星级：
该用户还上传了这些文档
游戏开发中的人工智能研究与应用
官方公共微信浅析人工智能在智能控制领域的应用
浅析人工智能在智能控制领域的应用
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
（upc, xxxx）
要：本文对人工智能理论进行了简要的阐述，浅析人工智能(AI)在各种智能控制技术领域的应用。最后，展望人工智能和智能控制的发展趋势。
关键字：人工智能；智能控制；专家系统；模糊控制；混沌控制　
Abstract: This paper provides a brief
description of the theory of artificial intelligence, brief
analysis artificial intelligence (AI) in each kind of intelligent
control area of technology application. Finally, the paper
forecasts the development tendency of artificial intelligence and
intelligent control.
Key words: Art
I E F Chaos
从50年代开始的人工智能技术，是用计算机去做原来只有人才能做的具有智能的工作，如符号、语言和知识表达。状态特征的识别、定性和定量、精确与模糊的信息处理、分析推理、判断决策等，将这一拟人思维的技术通过计算机来弥补传统控制方法的不足，使智能控制的发展有了可能。
智能控制是在控制论、信息论、人工智能、仿生学、神经生理学及计算机科学发展的基础上逐渐形成的一类高级信息与控制技术。智能控制突破了传统控制理论中必须基于数学模型的框架，它基本上按实际效果进行控制，不依赖或不完全依赖于控制对象的数学模型，又继承了人类思维的非线性特性。某些智能控制方法还具有在线辨识、决策或总体自寻优的能力和分层信息处理、决策的功能。
2 人工智能（AI）及智能控制的基本概念
人工智能是计算机学科的一个重要分支，一直处于计算机技术的前沿，被人们称为世界三大尖端技术之一（空间技术，能源技术，人工智能）。人工智能研究的理论和发现在很大程度上将决定计算机技术的发展方向。今天，已经有很多人工智能研究的成果进入人们的日常生活。将来，人工智能技术的发展将会给人们的生活、工作和教育等带来更大的影响。
2.1 人工智能的定义及研究领域
2.1.1人工智能的定义
像许多新兴学科一样，人工智能至今尚无统一定义，因为不同学科或学科背景的学者对人工智能有不同的理解，也就产生的不同的观点。如，符号主义、连接主义和行为主义等。综合各方观点得出如下定义[1]。
人工智能(AI)也称机器智能，它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造出人造的智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。
2.1.2人工智能的研究领域
人工智能的研究领域很广泛[2]，包括：自然语言处理、自动定理证明、自动程序设计、数据库智能检索、问题求解和路径规划、视觉人学、专家咨询系统、知识处理、知识管理等。本文针对部分内容作简要介绍。
1.专家系统（Expert System
简称ES）[1]&
是目前人工智能广泛应用方面最成熟的一个领域。专家系统是一个具有大量专门知识与经验的智能计算机程序系统，它应用人工智能技术，根据某个领域中一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决定的复杂问题。按照执行任务分类，可把专家系统分为下列几种类型：解释型、诊断型、预测型、维修型、调试型、教育型、设计型、规划型、监督型、控制型以及决策型等。
典型的专家系统有[2]：DENDRAL系统，1965年美国斯坦福大学研制，是历史上第一个专家系统，它是一个确定化学分子结构的专家系统，能够从上千种可能的分子结构中挑选出一个正确的分子结构；MYCIN系统，1972年由美国斯坦福大学研制成，是一种诊断血液细菌感染以及脑膜炎的医疗诊断系统，系统可以根据专家的知识和输入的患者病情数据判断出是什么病菌引起的感染，给出合理的诊断治疗方法；PROSPECTOR系统，由斯坦福国际人工智能研究中心（SRI）研制的地质勘探专家系统，该系统可以协调多个专家的多种矿藏的知识；AM系统，最典型著名的数论专家系统，是由D.B.Dougles
Lenat于1976年研制成的，它是一个机器学习系统，用于模拟人类归纳推理，抽象概念；GAMMA系统，物理方面的专家系统，由斯科拉姆勃格公司开发，它使用通过分析中子撞击物质时产生的γ射线光谱来帮助核物理学家确定未知物质的成分。
2.知识工程（Knowledge Engineering）&
是人工智能在知识处理方面的实际应用，知识工程是以知识本身为处理对象，研究如何使用人工智能的原理和方法来设计，构造和维护知识型系统有关理论的技术、方法和工具。其研究范围包括三个方面：基础理论研究、实用技术的开发、知识型系统的工具研究。文献[2]对此做了详细介绍。
3.模式识别技术（Pattern
Recognition）&
是利用计算机来模拟人类的各种识别能力，其研究大体上沿着两个方向进行，一是关于描述客体的各种数学模型的研究；二是如何借助计算机在技术上实现。目前模式识别学科正处于大发展的阶段，已经成功应用的有：手写字符的识别、汽车牌照的识别、指纹识别、语音识别等方面。
4.问题求解
&&可以借助于知识工程里的谓词逻辑表示法对某些难题求解，现实世界中的问题只要能用谓词逻辑公理系统方式表示出来，就可以将它写成PROLOG程序，然后用计算机实现，其过程如图2.1所示。因此通过这种方式可以用计算机解决现实世界中的很多逻辑问题[5]。
PROLOG&&&&&
PROLOG&&&&
用谓词表示知识求解一个问题的步骤:
如描述的太抽象则用标准自然语句重新描述。
用谓词演算将问题形式化。
在这种逻辑表示的形式上建立控制系统。
证明从初始状态可到达最终目标。
机器人搬弄积木块的问题表示就是一个很好的实例，文献[1,4]中详细说明了用谓词表示知识求解该问题的过程。
5.数据挖掘与知识发现&&
知识获取是知识信息处理的关键问题之一。从数据库中挖掘并发现知识，首先要解决发现知识的表达问题，最好的表达方式是自然语言。数据挖掘与知识发现能够自动处理数据库中大量的原始数据，抽取具有必然性的、富有意义的模式，找出人们对所需问题的解答。数据库中的知识发现具有四个特征，即发现的知识用高级语言表示；发现的内容是对数据内容的精确描述；发现的结果（知识）是用户感兴趣的；发现的过程应是高效的[1]。
2.2 智能控制理论及研究领域
智能控制是在人工智能及自动控制等多学科之上发展起来的一门新兴、交叉学科，它具有非常广泛的应用领域，如专家控制、智能机器人控制、智能过程控制、智能故障诊断及智能调度与规划等。智能控制系统的处理方法不再是传统的单一的数学解析模型，而是数学解析模型和知识系统相结合的广义模型，具有其自身的特点。
2.2.1智能控制的定义
所谓智能控制是通过定性与定量相结合的方法，针对对象环境和任务的复杂性与不确定性，有效自主地实现复杂信息的处理及优化决策与控制功能。
按照K.S.Fu(傅京孙)和Saridis（萨里迪斯）提出的观点，可以把智能控制看作是人工智能（AI）、自动控制（AC）和运筹学（OR）三个学科相结合的产物，是一门新兴的交叉学科。称为智能控制的三元结构。可用交集表示如下：
IC=AI∩AC∩OR
人工智能（AI）是一个知识处理系统，具有记忆、学习、信息处理、形式语言、启发式推理等功能。
自动控制（AC）描述系统的动力学特性，是一种动态反馈。
运筹学（OR）是一种定量优化的方法，如线性规划、网络规划、调度、管理、优化决策和多目标优化方法等。
2.2. 2智能控制的研究领域
传统控制包括经典反馈控制和现代控制理论，它们的主要特征是基于精确的系统数学模型控制，在复杂问题的实际应用中遇到了不少难题［３，６］。因此，需将人工智能的方法引入控制系统，从而实现系统的智能化，即通过采用仿人智能控制决策，迫使控制系统向期望的方向逼近。
这就要求智能控制的研究对象具备如下特点：
具有不确定性模型：传统控制是基于模型的控制，而这些模型是已知的或经过辨识可以得到的，而智能控制有严重的不确定性，其有两层含义：一是认为模型未知或知之甚少；二是模型的结构和参数可能在很大范围内变化。
高度非线性：在传统控制理论中，线性系统理论比较成熟，对高度非线性控制对象，其理论不很成熟；而智能控制基于人工智能理论和技术，采用了启发式程序设计、知识表示、符号信息处理、自动推理、人工神经网络、基因算法和决策等相关技术有可能得到圆满解决。
复杂的控制任务要求：在传统控制系统中控制任务要求输出量为定值（调节系统），或者要求输出量跟随期望的运动轨迹（跟踪系统），控制任务单一，而智能控制任务要求复杂，智能控制要求系统对一个复杂的任务具有自行规划和决策的能力，有自动躲避障碍运动到期望目标位置的能力。
由此可以概括，智能控制是一类无需（或尽可能少的）人的干预就能够独立自主地应付环境条件或加工对象的变化而有效地驱动智能机器实现其目标的自动控制，它是自动控制的最新发展阶段，对智能控制系统的研究和设计，重点放在对任务和世界模型的描述、符号和环境的识别以及知识库和推理机的设计开发上，即，放在智能机模型上。
3 AI在智能控制中的应用
3.1专家控制系统　
　专家控制是智能控制的一个重要分支，又称专家智能控制。其实质是把专家系统的理论和技术同控制理论、方法与技术相结合，在未知环境下，仿效专家的智能，实现对系统的控制。基于专家控制的原理所设计的系统称为专家控制系统［３］。
专家控制系统和专家系统之间有很大的差别：
专家系统只能模拟人类专家解决领域问题，并协助用户进行工作。专家系统以知识为基础进行推理，其结果为新知识项、或对原知识项的变更知识项。而专家控制系统能够独立并自动地对控制作用做出决策，其推理结果可能是变更的知识项，或是启动（执行）某些控制算法。
专家系统通常以离线方式工作，而专家控制系统则需要获得在线动态信息，并能对系统进行实时监控。
按照系统结构的复杂性可以把专家控制分为两种形式：专家控制系统和专家控制器。前者系统结构比较复杂，具有交好的技术性能，但研制代价较高，常用于需要较高技术的装置或过程；后者结构比较简单，技术性能可满足工业过程控制的一般要求，由于研制代价低，因而获得比较广泛的应用。
3.2 模糊控制系统
人的思维以及人类对事物的认识，都是定性的、模糊的和非精确的，因而将模糊信息引入智能控制具有现实的意义。其控制策略实现的基本思想是：首先将输入信息模糊化，利用一系列的“IF(条件)THEN(作用)”形式表示的控制规律；然后经模糊推理规则，给出模糊输出，再将模糊指令量化，控制操作变量。模糊模型如图３.１所示［6］。模糊控制不需要精确的数学模型，是解决不确定性系统控制的一种有效途径，但它对信息简单模糊的处理将导致系统控制精度的降低和动态品质变差。若要提高精度则要求增加量化级数，从而导致规则搜索范围的扩大，降低决策速度。为了使模糊控制系统更加完善，文献[3]中给出了一些改进的控制系统，如：自适应模糊控制系统、自校正模糊控制系统、自寻优模糊控制系统、基于模糊关系模型的模糊控制系统、基于T-S模型的模糊控制系统等&&&
3.2 模糊控制系统
人的思维以及人类对事物的认识，都是定性的、模糊的和非精确的，因而将模糊信息引入智能控制具有现实的意义。其控制策略实现的基本思想是：首先将输入信息模糊化，利用一系列的“IF(条件)THEN(作用)”形式表示的控制规律；然后经模糊推理规则，给出模糊输出，再将模糊指令量化，控制操作变量。模糊模型如图３.１所示［6］。模糊控制不需要精确的数学模型，是解决不确定性系统控制的一种有效途径，但它对信息简单模糊的处理将导致系统控制精度的降低和动态品质变差。若要提高精度则要求增加量化级数，从而导致规则搜索范围的扩大，降低决策速度。为了使模糊控制系统更加完善，文献[3]中给出了一些改进的控制系统，如：自适应模糊控制系统、自校正模糊控制系统、自寻优模糊控制系统、基于模糊关系模型的模糊控制系统、基于T-S模型的模糊控制系统等。
3.3 神经网络控制系统
神经网络系统是利用工程手段，模拟人脑神经网络的结构和功能的一种技术系统，是一种大规模并行的非线性动力学系统[6]。神经网络具有的非线性映射能力、并行计算能力、自学习能力、以及较强的鲁棒性等优点已广泛地应用于控制领域，尤其是非线性系统领域。
神经网络控制是研究和利用人脑的某些结构机理以及人的知识和经验对系统的控制，采用神经网络，控制问题可以看成模式识别问题，被识别的模式是映射成“行为”信号的“变化”信号。由于神经网络控制系统具有自适应能力和自学习能力，因此适合用于复杂系统智能控制的研究工具。它的优势在于：
1 能够充分逼近任意复杂的非线性系统；
2 能够学习与适应严重不确定性系统的动态特性；
由于大量神经元之间广泛连接，即使有少量单元或连接损坏，也不影响系统的整体功能，表现出很强的鲁棒性和容错性；
4 采用并行分布处理方法，使得快速进行大量运算成为可能。
3.4 混沌控制系统
混沌运动是一种貌似无规则的运动，是非线性动力学系统所特有的一种运动形式，它广泛存在自然界，如物理、化学、生物学、地质学，以及技术科学、社会科学等多种学科领域[3]。混沌控制现在被理解为从混沌态到有序态之间的相互转换。它是混沌理论与控制理论相交叉而产生的一个新的研究领域。混沌控制的目标可以分为两类：一类是当混沌有害时，抑制混沌动力学行为；另一类是当混沌有用时，特意产生或加强混沌动力学行为，即所谓的混沌反控制。
混沌系统通常都有三个特征：初值敏感、拓扑传递和稠密的周期轨道。实现混沌系统控制的思想是：当混沌轨道遍历地经过镶嵌在混沌吸引子上的期望周期轨道附近小邻域时，借助于参数的微小扰动将轨道驱动到混沌系统的不稳定周期轨道上去，并沿此周期轨道向下运动，进而实现混沌系统的控制。基于上述思想，1990年美国马里兰大学的E.Ott、C.Grebogi和J.A.Yorke提出了著名的OGY方法，它使人们认识到混沌运动是可以控制的。OGY方法为混沌电路控制、保密通信、光学系统控制和流体湍流等问题的研究开辟了道路。文献[3]中介绍了具有代表性的混沌控制方法及仿真示例，包括：OGY方法及其改进方法，线性反馈、非线性反馈、时间延迟反馈等各种反馈混沌控制方法，混沌自适应控制方法，以及同样属于混沌控制范畴的混沌同步方法。
4 发展前景
4.1人工智能的发展趋势
人工智能的近期研究目标在于建造智能计算机，用来代替人类从事脑力劳动。而的它的远期研究目标是：探究人类智能和机器智能的基本原理，研究用自动机模拟人类的思维过程和智能行为。这一目标将涉及自然科学和社会科学的所有科学。
人工智能的研究存在的问题主要表现在如下几个方面：
(1) 宏观与微观隔离&
一是哲学、认知科学、思维科学和心理学等学科所研究的智能层次太高、太抽象；二是人工智能逻辑符号、神经网络和行为主义所研究的智能层次太低。二者之间相差太远，无法把宏观与微观有机的结合起来。
(2) 全局与局部割裂&
人类智能是脑系统的整体效应，有丰富的层次和多个侧面。但是人工智能的各种具体应用都存在着明显的局限性。所以必须从多层次、多因素、多维和全局观点来研究智能，才能克服其局限性。
(3) 理论和实际的脱节&
大脑的实际工作，在宏观上我们已知道的不少，但智能的多变性却让我们难以理出清晰的头绪。在微观上，我们对大脑的工作机制却知之甚少，是似而非，难以找出规律。在此背景下提出的各种人工智能理论，只是部分人的主观猜想，能在某些方面表现出“智能”就算是成功了。
上述人工智能研究所存在的问题要求在完成其研究任务时，需要寻找和建立更新的人工智能框架和理论体系，打下人工智能进一步发展的理论基础。这就要使人工智能技术除了与信息技术结合外，还要和包括哲学、语言学、心理学、社会学、生物学等多种学科相结合。
4.2 智能控制的发展趋势
智能控制已初具学科体系，包括基础理论、技术方法和实际应用等方面。在基础理论方面，涉及传统人工智能的知识表示和推理、计算智能(如模糊计算、神经计算和进化计算等)和机器学习等。在技术方法方面，对专家控制、模糊控制、神经控制、学习控制和仿人控制等系统加以研究。
目前，智能控制理论与技术向着两个方向发展，一是就一个理论或方法本身的深入研究；二是将不同的方法适当地结合在一起，相互取长补短，发挥各自优势，形成新的控制系统，获得单一方法所难以达到的效果[7]。最近出现了几种智能控制中的混合算法，如专家控制系统与神经网络控制，模糊神经网络控制，遗传算法与模糊逻辑，遗传算法与神经网络等等。
智能控制的应用领域已从工业生产渗透到生物、农业、地质、军事、空间技术、环境科学、社会发展等众多领域，在世界各国的高技术研究发展计划中，有其重要的地位。由于这些任务的牵引，相信智能控制必将在控制理论的发展中引起一次新的飞跃。
参考文献：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。