发布时间：
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。以下是我精心整理的人工智能的利与弊论文的相关资料，希望对你有帮助!
摘要：自1956年人工智能诞生起，几十年的发展让其有了许多的进步，并广泛用于机器视觉，专家系统,智能搜索，定理证明，博弈，自动程序设计，智能控制，机器人学等各大领域，并且与人类生活联系越来越紧密。在安全性没有得到确切认证的情况下广泛发展人工智能是否是可行的做法，人工智能是否会战胜人类智能，现在还存在广泛的争论。本文从人工智能的概况，应用领域与人类生活的联系等方面讨论，联系有关理论，认为人工智能的发展需要在人类智能可控的范围内进行。
关键字：人工智能 超越 人类智能 退化
一.人工智能的概况
(一)人工智能的概念
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。
(二)人工智能的兴起
1956年,被认为是人工智能之父的John McCarthy组织了一次学会,将许多对机器智能感兴趣的专家学者聚集在一起进行了一 个月的讨论。他请他们到 Vermont参加 " Dartmouth人工智能夏季研究会"。从那时起,这个领域被命名为 "人工智能"。1976年Newell 和Simon提出了物理符号系统假设，认为物理符号系统是表现智能行为必要和充分的条件。 Minsky从心理学的研究出发，提出了框架知识表示方法。到80年代，Minsky认为人的智能，根本不存在统一的理论。以McCarthy和Nilsson等为代表，主张用逻辑来研究人工智能，即用形式化的方法描述客观世界。逻辑学派在人工智能研究中，强调的是概念化知识表示、模型论语义、演绎推理等。 McCarthy主张任何事物都可以用统一的逻辑框架来表示，在常识推理中以非单调逻辑为中心。传统的人工智能研究思路是“自上而下”式的，它的目标是让机器模仿人，认为人脑的思维活动可以通过一些公式和规则
来定义，因此希望通过把人类的思维方式翻译成程序语言输入机器，来使机器有朝一日产生像人类一样的思维能力。这一理论指导了早期人工智能的研究。
(三)人工智能的发展状况
1956年，Samuel研制了跳棋程序，它在1959年击败了Samuel本人
1959年美籍华人学者、洛克菲勒大学教授王浩 自动定理证明
1976年 “四色定理”的证明
1977年，曾是赫伯特·西蒙的研究生、斯坦福大学青年学者费根鲍姆
(E.Feigenbaum)，在第五届国际人工智能大会上提出了”知识工程”的概念 1976年美国斯坦福大学肖特列夫开发医学专家系统MYCIN
80年代，AI 被引入了市场,并显示出实用价值
1997年 “深蓝”
2011年9月，在印度古瓦哈蒂举行的电脑科技展上，一个“聪明机器(Cleverbot)”成功过近800名观众，使他们难以分辨对话出自真人还是电脑软件。当日参加聊天试验的30名志愿者被安排进行4分钟在线文字聊天，聊天的对象可能是“聪明机器人”，也可能是一个真人。他们的对话内容展示在一个
大屏幕上，1334名普通观众观看对话内容后进行投票。结果，超过59.3%的观众 把人与“聪明机器人”的对话误认成人与人之间的对话“聪明机器人”的发明 者、英国人罗洛·卡彭特很高兴地告诉记者：“过一半以上观众，你可以说聪明机器人算是通过了"图灵测试"
二.人们对人工智能的依靠
(一)人工智能主要应用领域
目前人工智能主要的应用领域在机器视觉(指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别)，专家系统,智能搜索，定理证明，博弈，自动程序设计，智能控制，机器人学，语言和图像理解，遗传编程等。
(二)人们生活与人工智能的密切关系
从智能手机、自动驾驶汽车到医疗机器人，人工智能革命已经到来。人工智能让互联网搜索更加灵敏;将文本从一种语言翻译成另一种语言;在拥挤的交通
中推荐最畅通的线路;帮助识别信用卡„„虽然很多时候我们甚至没有意识到它的存在，但我们的生活却因它悄悄改变。
在美国硅谷，尼古拉斯·亚宁早上起来准备去上班，到公司需要40分钟车程。这位在Google工作的技术员走向他的Lexus汽车。汽车即将驶上加州拥挤的高速路，此时他的“司机”———汽车开始掌控大局。亚宁的这辆车是Google正在实验的自动驾驶汽车，安装有复杂的人工智能技术，使得他可以放松地坐在驾驶座上充当乘客。
在马萨诸塞州贝德福特的iRobot公司，一名参观者看着5英尺高的机器人爱娃小心翼翼地行走在大厅里，躲避着周围的障碍物———包括人类。今年年底它将开始自己的第一份真正工作———远程医疗助手，让数千英里之外的专家通过安装在它“头”上的视频屏幕给医院的病人看病。当医生准备看望下一位病人时，他只需点击电脑地图上的新位置。爱娃根据地图找到并赶往下一个病房，它还会自己乘坐电梯。
在华盛顿普尔曼，华盛顿州立大学的研究者们正在给“智能”房间安装上感应器，使之能够根据需要自动调节房间的光线，监控住户的一切活动，包括他们每天睡眠多少小时，锻炼多少分钟。听上去有点像是被监禁，但事实上，倡导者们认为这样的技术就像一个富有爱心的保姆：智能房屋可以帮助老年人，尤其是有身体或智力障碍的老人过上独立的生活。
从今年夏天在火星登陆的好奇号太空探测器，到仪表盘能够与人对话的汽车，再到智能手机，人工智能正在改变我们的生活———有时候以一种显而易见的方式，更多的时候，我们甚至没有意识到它的存在。人工智能让互联网搜索更加灵敏;将文本从一种语言翻译成另一种语言;在拥挤的交通中推荐最畅通的线路;帮助识别信用卡;告诉驾驶员什么时候越过了道路中央的分道线。
甚至连烤面包机也即将加入人工智能革命。你可以将一个面包放进去，用智能手机拍张照片，手机将把所有需要的信息传送给烤面包机，指导它如何将面包烤得恰到好处。
从某个方便说，人工智能几乎无处不在，从控制数码相机的光圈和快门速度的智能感应器，到干衣机中的温度和湿度探测器，再到汽车中的自动泊车功能。更复杂的应用还在源源不断地走出实验室。
三.人工智能的弊端
(一)关于人工智能超越人类智能的假说
人工智能只可以作为人类智能的补充，但是人工智能的发展速度远远超过人类智能的发展速度，即根据进化论来说人工智能的进化速度比人类智能进化得快许多。由于人工智能起步较低，故现在和人类智能有一定差距，但其表现出了在局部超越了人类智能的现状，让人有理由相信人工智能超越人类智能只是时间上的问题。
人工智能超越人类智能论据有：一是达尔文进化论;二是类比人类的创造性即由于人类智能的不断探索欲会把自己独有创造赋予人工智能，这会导致人工智能战胜人类智能;三是“量变质变定律”人工智能不断的在某些领域超越人类智能，最终将在质上战胜人类智能。
其代表人物有四川大学社科系教授王黔玲从世界观角度提出的“人工智能将超越人类智能”的论断。华东师范大学哲学系教授郦全民认为在好奇心的驱使下，在不前进就会落后的“象棋皇后”效应的作用下，人类不会停止对比自己先进的更高的智能系统的探索。而进化法则又不可违背，将使得进化之链朝着超越人类的方向发展。因此地球上出现超越人类的高智能物种是进化的必然。代维也大胆预测“人工智能将在不远的将来战胜人类智能，但会有自己的存在方式，不会对人类构成威胁”。约翰·麦卡锡——人工智能之父认为“没有理由相信我们不能写出一个能使电脑像人一样思考的公式。”斯蒂芬·霍金 说过“在我看来，如果非常复杂的化学分子可以在人体内活动并使人类产生智慧的话，那么太阳复杂的电子电路也可以使计算机以智能化的方式采取行动。”德国班贝克大学心理学教授德尔纳认为“有灵魂的机器是存在的。”
(二)人类退化的假说
从智能手机、自动驾驶汽车到医疗机器人，人工智能革命已经到来。人工智能让互联网搜索更加灵敏;将文本从一种语言翻译成另一种语言;在拥挤的交通中
第5 / 6页
推荐最畅通的线路;帮助识别信用卡等。虽然很多时候我们甚至没有意识到它的存在，但我们的生活却因它悄悄改变。人们总是趋向于安逸的生活，人工智能的出现满足了人们许多的需求，这会导致人们满足于享受当前的生活而忘记许多自己的本能。根据达尔文的进化学说，那些我们不在经常使用的本能会在生物的繁衍中逐渐的退化消失。人工智能化的发展，我们的衣食住行都可以有简单的解决方法，并且也越来越为人们所依赖。就像过去几千年我们没有电话手机，一样可以有自己的通讯方式，可是现在手机发展不过几十年，就没有几个人能离得开手机了。试想一下日益进入我们生活中的人工智能，等你习惯后还能离得开吗。如果有了人工智能，你什么都不用自己动手，那经过生物衍变，人类的未来还能剩下什么呢。经过退化衍变的人类还有什么能力呢。
四.结语
现阶段人工智能在专家系统,智能搜索，定理证明，博弈，自动程序设计，智能控制，机器人学等方面都有许多的应用，并且范围越来越广，虽然看似都是促进科学发展的，但是我们得注意其使用的度，就像克隆的应用一样，具有双面性的东西在发展时都应该慎重考虑。人工智能智能作为一种工具被人类智能限定在一定的范围里发展，才能在保证其安全的条件下最大程度的为人类发挥作用。 参考文献：
【1】史忠植. 高级人工智能(第二版). 科学出版社, 2006.
【2】玛格丽特·博登，人工智能哲学，上海译文出版社2001-11-01
【3】 Russell S., Peter Norvig，人工智能——一种现代方法(第二版)北京：人民邮电出版社, 2004 【4】史忠植. 智能主体及其应用.科学出版社,2000.
【5】 叶世伟, 史忠植 译. 神经网络原理(Simon Haykin: Neural Networks) . 机械工业出版社,2004.
【6】蔡自兴，徐光佑，人工智能及其应用(第三版). 北京：清华大学出版社，2003年
【7】卢格尔，人工智能，机械工业出版社，2009-03-01
【8】CarolynAbate，人工智能改变生活，南方都市报，2012-09-30
【9】门泽尔，机器人的未来，上海辞书出版社，2002年
【10】钱学森，关于思维科学，上海人民出版社，1986
【11】钱铁云，人工智能是否可以超越人类智能?，科学社会与辩证法，2004
【12】代维，人工智能VS人类智能。20年后谁称雄，青年探索，2002
【13】姜长阳，人类正在退化，自然辨证法研究，2000年11期
只要谈及科技对人类的意义，有一个词语出语率颇高――“双刃剑”。即科技在给人们带来便捷、舒适和高质量生活的同时，也不可避免地会带来诸多弊端。在这种种弊端中，有看得见的，如环境污染;而更多的则是看不见的，如科技对文化的冲击。
有关科技的利与弊，近年来舆论界一直争论不休，莫衷一是。这一现象也直接反映在了高考语文试题中――连续几年的高考作文都涉及到这一话题，且有逐年增多的趋势。
据统计，在近几年高考作文中讨论最多的话题是“科技对文化(尤其是传统文化)的冲击”――即科技会不会对文化构成冲击?又会构成什么样的冲击?如2012年高考湖北卷作文题就提供了这样一则材料：
语文课堂上，老师在讲到杜甫《春望》“烽火连三月，家书抵万金”时，不无感慨地说：“可惜啊，我们现在已经很难见到家书了，书信这种形式恐怕要消失了。”学生甲：“没有啊，我上大学的表哥就经常给我写信，我觉得这种交流方式是不可替代的。”学生乙：“信息技术这么发达，打电话、发短信、写邮件更便捷，谁还用笔写信啊?”学生丙：“即使不用笔写信，也不能说明书信消失了，只不过是书信的形式变了。”学生丁：“要是这样说的话，改变的又何止是书信?社会发展了，科技进步了，很多东西都在悄然改变。”……
诚然，电话、短信、邮件在带给我们方便、快捷的同时，也消减了我们生活中的诗意。可是我们不妨思量一下，“云中谁寄锦书来”或许能带给我们诗意和遐想，可在“烽火连三月”的情况下，恐怕还是一条快捷的短信更让人放心。因此，我们要充分考虑到两者的得失，对如何处理好科技与文化的关系作出深刻的反思：是为了保存传统的美好而抱残守缺，还是为了方便快捷就抛弃传统?是在传统的树干上嫁接上时尚的枝条，还是在崭新的文化中打上旧补丁?笔者想：应该思考这类问题的绝不仅仅是我们的中学生，更有我们的决策者、我们的专家，甚至我们每一个普普通通的公民。反思永远强于抱怨，只有总结反思，才能使我们的下一步走得更好，走得更稳健，从而一步步接近我们理想中的伊甸园。
与此一脉相承的是2014年高考广东卷的作文题。所不同的是广东卷的材料放弃了书信与手机，取而代之的是黑白胶片与数码技术：
黑白胶片的时代，照片很少，只记录下人生的几个瞬间，在家人一次次的翻看中，它能唤起许多永不褪色的记忆。但照片渐渐泛黄，日益模糊。数码技术的时代，照片很多，记录着日常生活的点点滴滴，可以随时上传到网络与人分享。它从不泛黄，永不模糊，但在快速浏览与频繁更新中，值得珍惜的“点滴”也可能被稀释。
黑白胶片与数码技术就像尺素与短信、马车与高铁、书法与“键谈”、远足与网游、品茗与快餐，品评它们又岂是一个“利”字或“弊”字可以概括的?这当中，掺和有科技的因素，有文化的因素，有传统的因素，有心理习惯的因素……其实，人们最希望拥有的是现代科技的便捷加上传统文化的醇香，而这恰如鱼与熊掌，兼而得之实在不易。
高考作文涉及到的又一方面的话题是“科技对传统审美观念的冲击”。如2014年高考辽宁卷作文题提供了这样一则材料：
夜晚，祖孙二人倚窗远眺。“瞧万家灯火，大街通明，霓虹闪耀，真美!”男孩说，“要是没有电，没有现代科技，没有高楼林立，上哪儿看去?”老人颔首，又沉思摇头：“可惜满天繁星没有了。沧海桑田，转眼之间啊!当年那些祖先，山洞边点燃篝火，看月亮初升，星汉灿烂，他们欣赏的也许才是美景。”
读罢这则材料，笔者觉得：如果“当年那些祖先”能够“穿越”回来，即便他们依然认为篝火、明月、星汉是大自然中最美丽的景观，但他们还乐意栖居在山洞里燃着篝火欣赏那满天繁星吗?现代科技早已潜入到了人们的灵魂深处，纵然我们会偶尔生出几许怀旧的情愫，那不过是我们在内心珍存的原始记忆陨落时的惆怅，纵然我们心向往之，也未必愿意返璞归真。在现代社会中，像陶渊明、梭罗这些真正倾心于自然的隐者已经很难寻觅了。
高考作文所涉及的有关科技的材料，还触及到了近乎于“科幻”的话题。如2014年高考天津卷的作文材料，讲的是一则带有几分科幻色彩的故事，揭示了现代科技给人带来的“荒诞感”：
也许将来有这么一天，我们发明了一种智慧芯片，有了它，任何人都能古今中外无一不知，天文地理无所不晓。比如说，你在心里默念一声“物理”，人类有史以来有关物理的一切公式、定律便纷纷浮现出来，比老师讲的还多，比书本印的还全。你逛秦淮河时，脱口一句“旧时王谢堂前燕”，旁边卖雪糕的老大娘就接茬说“飞入寻常百姓家”，还慈祥地告诉你，这首诗的作者是刘禹锡，这时一个金发碧眼的外国小女孩抢着说，诗名《乌衣巷》，出自《全唐诗》365卷4117页……这将是怎样的情形啊!
不知道是否真的有那么一天，不知道这样的情形是否真的会出现，也不知道这样的情形出现究竟是喜是悲。
平心而论，科技带给我们的永远是利大于弊，否则我们绝不会视之为“第一生产力”，也不会有那么多仁人志士为科技献身，为科技发展不遗余力了。我们现在要探究的是在发展科技的同时怎样将它的负面效应降到最低，乃至使之成为促进文化传承与发展的助力;而不是因噎废食，视科技为文化的宿敌，甚至视若洪水猛兽――而承担这一重任的主力，将会是今天走上考场的一代青年。从这一意义上看，让他们先写这样的文章真的很有价值。想必“科技”这一话题在随后的高考作文中仍会有一定的地位。
你也可以去参考下（人工智能与机器人研究）期刊上的相关文献
史蒂芬·霍金最近发出警告：“一旦人工智能发展到完整的程度，人类的终结也就到了。”伊隆·马斯克则担心人工智能的研发有可能是人类存亡的最大威胁。连比尔·盖茨也敦促大家要小心。人一手创造的怪物，会不会反过来奴役人？这种畏惧很早就有了。但就在微软、谷歌竞相投入巨资研发人工智能之时，名气响当当的宇宙学家、硅谷创业家和微软创始人却分别说出这样的忧虑，这份忧虑就有不同的份量——要注意，他们三位可不是反对或排斥工业化、新技术的人。今天，一个人的口袋里装着的可能就是一部超级计算机，战场上杀出来的可能是机器人，如果把那份忧虑简单地当是异想天开，也是有些自欺欺人。问题在于，如何避免过犹不及？首先，我们要搞清楚，计算机现在已经具备了哪些能力，而在将来又会增加哪些能力。凭借处理能力的增强以及数据资料的增多，人工智能正处于快速发展的阶段。今天，深度学习（deep learning）系统能模仿人脑的神经元层，处理海量的数据，自己教自己如何去执行一些任务，譬如识别和翻译，做得几乎跟人一样好。结果，一些一直需要人脑参与的事情，大到解读图象，小到玩街机经典《青蛙过河》，现在也属于电脑程序能做的范围里了。Facebook在2014年发布了名为DeepFace的算法。这个算法可以识别相片里的人脸，准确率达到97%。但必须注意的是，这些都是应用于某一具体领域狭隘的能力。目前的人工智能是通过“残暴”的数据处理能力，来达到与人脑智力的“形似”，但至于如何模仿人的自主性、喜恶和欲求，成果则很少。电脑还做不到随心所欲地思辨、判断以及选择，而这些都是人类智力的特征。但与此同时，人工智能已经可以给人类生活带来巨大的改变。人工智能现在已经能辅助人类，为人做的事带来助益。国际象棋便是一例。现在电脑可以下赢任何一个人。不过，当今世界上最强的棋手并不是电脑，而是人与算法一起合力的团队。这样的团队组合将延伸至人类其它的活动：医生有了人工智能的支持，从医疗图像中查出癌症的能力将大大增强；有了智能手机上装的语音识别软件，发展中国家读写能力欠佳的人便能更好地使用互联网；做学术研究时，数字助理可以建议你哪条假设更有机会成立；有了图像分类算法，可佩戴设备对着肉眼看到的真实世界“加上”有用的标注。但也不是每个方面的效益都是正面的。譬如，无论是对民主国家还是专制国家而言，人工智能都是监管人民的利器。有了人工智能，政府便可以监听数以亿计的对话，在人山人海中根据声音或样貌特征轻而易举地找出它要找的人。这就对自由造成了严峻的威胁。尽管整个社会可以获得很多益处，但很多人会因为人工智能而处于劣势。在计算机诞生以前，给老板计算数字的苦活常是由妇女来做，后来这些职位就让晶体管占据了。同样，人工智能将来很有可能会让整个白领阶层捡包袱走人。虽说教育和培训有助打工者适应这个变化，且人工智能带来的新财富会进入新的行业从而产生新的工种，但打工者依然难免经历颠簸。但霍金、马斯克、盖茨他们担心的并不是监控和颠簸的问题。他们担心的是近期好莱坞电影里的场景：自动化机器拥有了比人类更灵敏的认知能力，拥有了与肉身的人冲突的利益观。这样的人工智能产品离我们还遥远得很，甚至可能永远也造不出来。无论是心理学家、神经学家、社会学家还是哲学家，在对着人脑东敲敲西敲敲地研究了一个世纪后，依然没搞清楚人的思维是怎么回事，更不要说仿造出一颗人脑。假如机器拥有自己的利益观和自主能力，即使这机器的智能不完整，只能用于某个用途，也绝非代表我们就可以放心使用：无人车跑起来比人开还好，这听起来挺赞的，但要是车有自己想去的地方，听起来可就不太妙。虽然我们离霍金所说的“完整的”人工智能还很远，但现在就开始思考如何应对到时的情况，也是谨慎之举。“超人”又“自治”的东西，人类不早就创造过了吗？官僚体制、市场、军队，这些都是，这些都帮助人类做到没有辅助、组织时做不到的事情；这些都能自主运作，而且如果不加法规管理，都会造成巨大的祸害。这些相似的事物或许可以令人工智能的持疑派放心一些。这些事物也喻示了人类社会如何可以安全地研发人工智能。军队需要文官管理，市场需要监管，官僚需要问责、透明；同理，人工智能系统也必须接受监督。由于系统的设计者无法预见所有的情形，还必须要有危急时刻拉闸中断的设置。加入这些限制并不会妨碍进步。大到核弹，小到交通规则，这些都证明人类曾成功运用技术和法律手段去管理威力强大的创新。
得分方向，计算机很多方向是相对容易发SCI的，如光通信等，但对于某些方向就难了，更别说顶级了。发一篇可能说刚刚起步～顶级的就另当别论了哈～
做了好久实验，分析了好多数据，结果还不错，到了写作的时候了。这个时候，发现写作也不是一件容易的事，要会讲故事，语言要准确，详略要得当，引用要准确，方法描述要具体可复现……有了材料，这锅菜也不好炒啊。 首推这款工具，主要是这款工具就是人工智能在翻译领域的应用佳作。这款软件可以中英文互译，可以单独句子翻译，也可以翻译文本。值得尝试。 单有句子不行啊，你不能完全照搬其他文献啊。这个时候QuillBot就能发挥重要作用，可以用来改写句子，可以变换句式，有一些替换。 这个网站，提供了很多词的替换方案，有些时候，为了词语的多样化，应该进行一些替换，但从词的角度考虑，这个网站还是不错的。还提供了树形结构，方便查看。 这个网站能提供相应的润色修改，可以适当了解一下。因为后面还有一项自己用的还不错的工具。 以前觉得国外的网站做的很好，发现CNKI更适合国人。因为这个里面搜索到的，都是专业学术的翻译，不至于出现贻笑大方的尴尬翻译。 这个板块有好几个软件，其中我经常用到的就是grammarly，无所谓好坏，用习惯一项就好。 这个工具既有网页版，也可以word嵌入版，还有浏览器插件版本。值得探索。 以前只是把这个当作是搜索文献的工具，现在 GeenMedical组合了很多的功能，其中就包括，润色功能。 更方便的是，可以搜索相似的句子，进行改写，非常友好方便，尤其适合国人。 说到英文写作，尤其是科技论文的写作，一定要提及到这个网站。这个是The University of Manchester 出品，集合了很权威专业的科技文章的用词和写作，从文章的各个部分都给出了例句。并且还出了一本书，不过收费，当然了，要薅羊毛，总会有方法的。这本书可以时时翻阅，增加写作的感觉。 后面写写关于选刊、投稿相关的几个工具。
自从计算机诞生以来，计算机的发展十分迅猛快速，而且计算机的运算速度已经超过了人脑的运算速度。目前对于计算机科学的研究已经出现了很多的分支，其中的人工智能在整个计算机科学领域中也是一个十分热门的课题。以下是我整理分享的人工智能发展的结课论文的相关资料，欢迎阅读!
浅谈人工智能技术的发展
摘要：自从计算机诞生以来，计算机的发展十分迅猛快速，而且计算机的运算速度已经超过了人脑的运算速度。目前对于计算机科学的研究已经出现了很多的分支，其中的人工智能在整个计算机科学领域中也是一个十分热门的课题。本文从人工智能的概念开始，对人工智能的发展进行讲述，并从哲学的角度对人工智能能否超过人的智能这个问题进行了分析。
关键词：人工智能 发展 智能
1、人工智能的概念
人工智能(Artificial Intelligence，简称AI)是计算机科学的一个分支，它探究智能的实质，并以制造一种能以人类智能相类似的方式做出反应的智能机器为目的。人工智能的产生和发展首先是一场思维科学的革命，它的产生和发展一定程度上依赖于思维科学的革命，同时它也对人类的 思维方式 和 方法 产生了深刻的变革。人工智能是与哲学关系最为紧密的科学话题，它集合了来自认知心理学、语言学、神经科学、逻辑学、数学、计算机科学、机器人学、经济学、社会学等等学科的研究成果。过去的半个多世纪以来人工智能在人类认识自身及改造世界的道路上扮演了重要角色。一直以来，对人工智能研究存在两种态度：强人工智能和弱人工智能，前者认为AI可以达到具备思维理解的程度，可以具有真正的智能;后者认为研究AI只是通过它来探索人类认知，其智能只是模仿的不完全的智能。
2、人工智能的发展
对于人工智能的研究一共可以分为五个阶段。
第一个阶段是人工智能的兴起与冷落，这个时间是在20世纪的50年代。这个阶段是人工智能的起始阶段，人工智能的概念首次被提出，并相继涌现出一批科技成果，例如机器定理证明、 跳棋 程序、LISP语言等。由于人工智能处于起始阶段，很多地方都存在着缺陷，在加上对自然语言的翻译失败等诸多原因，人工智能的发展一度陷入低谷。同时在这一个阶段的人工智能研究有一个十分明显的特点：对问题求解的方法过度重视，而忽视了知识重要性。
第二个阶段从20世纪的60年代末到70年代。专家系统的出现将人工智能的研究再一次推向高潮。其中比较著名的专家系统有DENDAL化学质谱分析系统、MTCIN疾病诊断和治疗系统、Hearsay-11语言理解系统等。这些专家系统的出现标志着人工智能已经进入了实际运用的阶段。
第三个阶段是20世纪80年代。这个阶段伴随着第五代计算机的研制，人工智能的研究也取得了极大的进展。日本为了能够使推理的速度达到数值运算的速度那么快，于1982年开始了“第五代计算机研制计划”。这个计划虽然最终结果是以失败结束，但是它却带来了人工智能研究的又一轮热潮。
第四个阶段是20世纪的80年代末。1987年是神经网络这一新兴科学诞生的年份。1987年，美国召开了第一次神经网络国际会议，并向世人宣告了这一新兴科学的诞生。此后，世界各国在神经网络上的投资也开始逐渐的增加。
第五个阶段是20世纪90年代后。 网络技术 的出现和发展，为人工智能的研究提供了新的方向。人工智能的研究已经从曾经的单个智能主体研究开始转向基于网络环境下的分布式人工智能研究。在这个阶段人工智能不仅仅对基于同一目标的分布式问题求解进行研究，同时还对多个智能主体的多目标问题求解进行研究，让人工智能有更多的实际用途。
3、人工智能可否超过人的智能
那么人工智能可否超过人的智能呢?关于这个问题可以从下面几个方面来分析：
首先，从哲学量变会引起质变的角度来说，人工智能的不断发展必定会产生质的飞跃。大家都知道，人工智能从最初的简单模拟功能，到现在能进行推理分析 (比如计算机战胜了 国际象棋 世界冠军)，这本身就是巨大的量变。在一部科幻电影中，父亲把儿子生前的记忆输人芯片，装在机器人中，这个机器人就与他的儿子死去时具有相同的思维和记忆，虽然他不会长大。从技术的角度来说，科幻电影中的东西在不久的将来也可以成为现实。到那个时候，真的就很难辨别是人还是机器了。
第二，有的人会说，人工智能不会超过人的智能，因为人工智能是人制造出来的，所以不可能超过人的智能。对于这个观点，我们这样想一想，起重机也是人造出来的，它的力量不是超过人类很多吗?汽车也是人制造出来的，它的速度不也远超过人类的速度吗?从科学技术的角度来说，智能和力气、速度一样，也是人的某个方面的特性，为什么人工智能就不能超过人类的智能呢?
第三，还有的人认为，人工智能是人制造的，必有其致命的弱点，所以人的智能胜于人工智能。我认为这一点也不成立，因为人与机器人比较，也可以说有致命弱点，比如说人如果没有空气的话，就不能生存，就好比是机器人没有电一样。再比如，人体在超过一定的温度或压力的环境下，不能生存，在这一点上，机器人却可以远胜于人类。因此，在弱点比较方面，我认为人工智能的机器人并不比人差，在某些方面还远胜于人类。
第四，随着科学技术的发展，人工智能不单需要 逻辑思维 与模仿。科学家对人类大脑和精神系统研究得越多，他们越加肯定情感是智能的一部分，而不是与智能相分离的，因此人工智能领域的下一个突破可能不仅在于赋予它情感能力。
4、结束语
人工智能一直处于计算机技术的前沿，其研究的理论和发现在很大程度上将决定计算机技术、控制科学与技术的发展方向。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。
下一页分享更优秀的<<<人工智能发展的结课论文
目前，人工智能集计算机学科、神经生物学、语言学等多种学科于一体，引起了众多学科的日益关注，已发展成为一门具有广泛应用的交叉学科。以下是我精心整理的浅谈人工智能发展的大学期末论文的相关资料，希望对你有帮助!
人工智能发展现状与未来发展
一、人工智能概述
人工智能自诞生几十年来， 在崎岖的道路上取得了可喜的进展。目前，人工智能集计算机学科、神经生物学、语言学等多种学科于一体，引起了众多学科的日益关注，已发展成为一门具有广泛应用的交叉学科。人工智能虽然取得了快速的发展，但像许多新兴学科一样，人工智能至今尚无统一的定义。人工智能的发展引起了学术界的关注，尽管学术界有各种不同的说法和定义，但就其本质而言，人工智能是研究、设计和应用智能系统，来模拟人类智能活动的新学科。人工智能的目的就是利用各种自动化机械或者智能机器，来模仿、延伸和扩展人类的智能思维，从而实现计算机网络管理的人性化。
二、人工智能的研究历史
(一)1956年-1970年
人工智能诞生于一次历史性的聚会。为使计算机变得更“聪明”，或者说是计算机具有智能，1965年夏季，在美国达特莫斯大学举行了一次为期两个月的夏季学术研讨会。10位来自美国神经学、心理学、数学、信息科学和计算机科学方面的杰出科学家，在一起共同学习和探讨了用机器模拟人类智能的有关问题，并提议正式采用了“人工智能AI”这一术语。从而，一个以研究如何用机器来模拟人类智能的新兴学科——人工智能诞生了。
(二)1971年-80年代末
在科学上，前进的道路从来就不是平坦的，成功和失败、顺利和挫折总会交织在一起。人工智能也是如此，自它诞生至发展一段时间后，就遇到了不少的问题。在这种困难的环境下，仍有一大批人工智能的学者潜心研究。他们在总结前一段研究工作经验、教训的同时，从费根鲍姆“以知识为中心”开展人工智能研究的观点中找到了新的出路。
(三)20世纪80年代至今
人工智能逐步向多技术、多方法的综合集成与多领域、多学科的综合发展。其他学科的学者陆续将本学科的理论与方法向人工智能渗透，从而导致人工智能出现研究多学科交叉的现象。各学科对人工智能的渗透反映了目前人工智能发展的一种趋势，其渗透的结果现在还不是很明显，还需要时间的考验。目前，人工智能技术正在向大型分布式多专家协同系统、大型分布式人工智能、广义知识表达、并行推理、综合知识库、多种专家系统开发工具、大型分布式人工智能开发环境和分布式环境下的多智能协同系统等方向发展。
三、人工智能应用领域
目前 ， 人工智能在许多领域都得到了应用，其应用领域如下：
(一)在企业管理中的应用
刘玉然在《谈谈人工智能在企业管理中的应用》中提到要把人工智能应用于企业管理中，认为要做的工作就是弄清楚人的智能和人工智能的关系，从企业的发展目标出发，深入了解人工智能的内涵，搭建人工智能的应用平台，研究并开发企业智能化软件，这样一来，人工智能就能在企业决策中起到关键的作用。
(二)在医学领域中的应用
人工智能在国外发展很快，在医学方面取得了很大的成就。国外最早将人工智能成功应用于医疗诊断的是MYCIN专家系统。美国及其他发达国家的科学家已成功研制出了用于人类血管治疗的微型机器人，此外，在不久的将来，就会制造出能够在毛细血管里自由活动的机器人。20世纪80年代初，我国已成功将人工智能应用于医学，且在这方面有了新的突破，例如许多高等院校和研究机构共同开发了基于人工智能的医学计算机专家系统，并成功地应用于临床。
(三)在矿业中的应用
第一个将人工智能专家系统应用于矿业的是美国的专家系统PROSPECTOR，该系统用于勘探评价、区域资源估值和钻井井位选择等等，为矿业的开采带来了方便。1980年以来，美国的矿业公司在人工智能上加大了投资，其中矿山局匹兹堡研究中心与其它单位合作开发了用于煤矿开发的专家系统。
(四)在技术研究中的应用
人工智能在技术研究中的应用，首先是应用于超声无损检测与无损评价领域。在超声无损检测与无损评价领域，目前主要广泛采用专家系统对超声损伤中缺陷的性质，大小和形状进行判断和归类。此应用节省了许多人力，另外这些技术的应用，使得无损检测的定位、定性和定量的可靠性有了大幅度提高，为无损评价奠定了良好的判定基础。
(五)在电子技术方面的应用
人工智能在电子技术领域的应用由来已久。随着网络的迅速发展，网络问题日益突出，网络技术的安全成了我们关心的重点。因此在传统技术的基础上进行网络安全技术的改进，，大力发展挖掘技术、免疫技术，及开发智能机器，人工智能技术在这方面为我们提供了可能性。
四、人工智能的发展现状
国外发展现状。目前，人工智能技术在发达国家发展很快。尤其是在美国，发展更为迅速。在人工智能技术领域十分活跃的IBM公司，在智能电脑方面有了新的突破，成功地生产了具有人脑千分之一智力的电脑，而且正在开发功能更为强大的超级电脑。据其内部消息透露，预计该超级电脑研制成后，其智力水平将大致与人脑相当。除了IBM公司外，其他公司也加紧了这方面的研究，估计在未来几年内其成果更为惊人。
国内发展现状。二十一世纪是信息化时代，作为现代信息技术的精髓，人工智能技术必然成为新世纪科学技术的前沿和焦点。在我国，很长一段时间，专家们都把研制具有人行为特征的类人性机器人作为奋斗目标。机器人的发展水平不仅与计算机科技水平相关，而且与一个国家工业的各方面的发展水平密切相关。中国科技大学在国家基金的支持下，经过十年攻关和钻研，于2000年，成功地研制出我国第一台类人性机器人。
五、未来发展
人工智能的研究一旦取得突破性进展，将会对信息时代产生重大影响，对人类文明产生重大影响。科学发展到今天，一方面是高度分化，学科在不断细分，新学科、新领域不断产生; 另一方面是学科的高度融合，更多地呈现交叉和综合的趋势，新兴学科和交叉学科不断涌现。大学科交叉的这种普遍趋势，在人工智能学科方面表现尤其突出。由脑科学、认知科学、人工智能等共同研究智能的本质和机理，形成交叉学科智能科学。学科交叉将催生更多的研究成果，对于人工智能学科整体而言，要有所突破，需要多个学科合作协同，在交叉学科研究中实现创新。
人工智能一直处于计算机技术的前沿，其研究的领域和方向在很大程度上将决定了计算机技术的发展方向。今天，已经有很多人工智能产品融入了我们的日常生活。将来，人工智能技术的发展将会给我们的学习、生活、工作带来更大的影响。
下一页分享更优秀的<<<浅谈人工智能发展的大学期末论文
你还是自己去汉斯出版社 的官网找下相关文献看看学习学习吧
自从计算机诞生以来，计算机的发展十分迅猛快速，而且计算机的运算速度已经超过了人脑的运算速度。目前对于计算机科学的研究已经出现了很多的分支，其中的人工智能在整个计算机科学领域中也是一个十分热门的课题。以下是我整理分享的人工智能发展的结课论文的相关资料，欢迎阅读!
浅谈人工智能技术的发展
摘要：自从计算机诞生以来，计算机的发展十分迅猛快速，而且计算机的运算速度已经超过了人脑的运算速度。目前对于计算机科学的研究已经出现了很多的分支，其中的人工智能在整个计算机科学领域中也是一个十分热门的课题。本文从人工智能的概念开始，对人工智能的发展进行讲述，并从哲学的角度对人工智能能否超过人的智能这个问题进行了分析。
关键词：人工智能 发展 智能
1、人工智能的概念
人工智能(Artificial Intelligence，简称AI)是计算机科学的一个分支，它探究智能的实质，并以制造一种能以人类智能相类似的方式做出反应的智能机器为目的。人工智能的产生和发展首先是一场思维科学的革命，它的产生和发展一定程度上依赖于思维科学的革命，同时它也对人类的 思维方式 和 方法 产生了深刻的变革。人工智能是与哲学关系最为紧密的科学话题，它集合了来自认知心理学、语言学、神经科学、逻辑学、数学、计算机科学、机器人学、经济学、社会学等等学科的研究成果。过去的半个多世纪以来人工智能在人类认识自身及改造世界的道路上扮演了重要角色。一直以来，对人工智能研究存在两种态度：强人工智能和弱人工智能，前者认为AI可以达到具备思维理解的程度，可以具有真正的智能;后者认为研究AI只是通过它来探索人类认知，其智能只是模仿的不完全的智能。
2、人工智能的发展
对于人工智能的研究一共可以分为五个阶段。
第一个阶段是人工智能的兴起与冷落，这个时间是在20世纪的50年代。这个阶段是人工智能的起始阶段，人工智能的概念首次被提出，并相继涌现出一批科技成果，例如机器定理证明、 跳棋 程序、LISP语言等。由于人工智能处于起始阶段，很多地方都存在着缺陷，在加上对自然语言的翻译失败等诸多原因，人工智能的发展一度陷入低谷。同时在这一个阶段的人工智能研究有一个十分明显的特点：对问题求解的方法过度重视，而忽视了知识重要性。
第二个阶段从20世纪的60年代末到70年代。专家系统的出现将人工智能的研究再一次推向高潮。其中比较著名的专家系统有DENDAL化学质谱分析系统、MTCIN疾病诊断和治疗系统、Hearsay-11语言理解系统等。这些专家系统的出现标志着人工智能已经进入了实际运用的阶段。
第三个阶段是20世纪80年代。这个阶段伴随着第五代计算机的研制，人工智能的研究也取得了极大的进展。日本为了能够使推理的速度达到数值运算的速度那么快，于1982年开始了“第五代计算机研制计划”。这个计划虽然最终结果是以失败结束，但是它却带来了人工智能研究的又一轮热潮。
第四个阶段是20世纪的80年代末。1987年是神经网络这一新兴科学诞生的年份。1987年，美国召开了第一次神经网络国际会议，并向世人宣告了这一新兴科学的诞生。此后，世界各国在神经网络上的投资也开始逐渐的增加。
第五个阶段是20世纪90年代后。 网络技术 的出现和发展，为人工智能的研究提供了新的方向。人工智能的研究已经从曾经的单个智能主体研究开始转向基于网络环境下的分布式人工智能研究。在这个阶段人工智能不仅仅对基于同一目标的分布式问题求解进行研究，同时还对多个智能主体的多目标问题求解进行研究，让人工智能有更多的实际用途。
3、人工智能可否超过人的智能
那么人工智能可否超过人的智能呢?关于这个问题可以从下面几个方面来分析：
首先，从哲学量变会引起质变的角度来说，人工智能的不断发展必定会产生质的飞跃。大家都知道，人工智能从最初的简单模拟功能，到现在能进行推理分析 (比如计算机战胜了 国际象棋 世界冠军)，这本身就是巨大的量变。在一部科幻电影中，父亲把儿子生前的记忆输人芯片，装在机器人中，这个机器人就与他的儿子死去时具有相同的思维和记忆，虽然他不会长大。从技术的角度来说，科幻电影中的东西在不久的将来也可以成为现实。到那个时候，真的就很难辨别是人还是机器了。
第二，有的人会说，人工智能不会超过人的智能，因为人工智能是人制造出来的，所以不可能超过人的智能。对于这个观点，我们这样想一想，起重机也是人造出来的，它的力量不是超过人类很多吗?汽车也是人制造出来的，它的速度不也远超过人类的速度吗?从科学技术的角度来说，智能和力气、速度一样，也是人的某个方面的特性，为什么人工智能就不能超过人类的智能呢?
第三，还有的人认为，人工智能是人制造的，必有其致命的弱点，所以人的智能胜于人工智能。我认为这一点也不成立，因为人与机器人比较，也可以说有致命弱点，比如说人如果没有空气的话，就不能生存，就好比是机器人没有电一样。再比如，人体在超过一定的温度或压力的环境下，不能生存，在这一点上，机器人却可以远胜于人类。因此，在弱点比较方面，我认为人工智能的机器人并不比人差，在某些方面还远胜于人类。
第四，随着科学技术的发展，人工智能不单需要 逻辑思维 与模仿。科学家对人类大脑和精神系统研究得越多，他们越加肯定情感是智能的一部分，而不是与智能相分离的，因此人工智能领域的下一个突破可能不仅在于赋予它情感能力。
4、结束语
人工智能一直处于计算机技术的前沿，其研究的理论和发现在很大程度上将决定计算机技术、控制科学与技术的发展方向。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。
下一页分享更优秀的<<<人工智能发展的结课论文
随着科学技术的发展，人工神经网络技术得到了空前的发展，并且在诸多领域得到了广泛的应用，为人工智能化的发展提供了强大的动力。以下是我整理分享的人工智能神经网络论文的相关资料，欢迎阅读!
人工神经网络的发展及应用
摘要随着科学技术的发展，人工神经网络技术得到了空前的发展，并且在诸多领域得到了广泛的应用，为人工智能化的发展提供了强大的动力。人工神经网络的发展经历了不同的阶段，是人工智能的重要组成部分，并且在发展过程中形成了自身独特的特点。文章对人工神经网络的发展历程进行回顾，并对其在各个领域的应用情况进行探讨。
关键词人工神经网络;发展;应用
随着科学技术的发展，各个行业和领域都在进行人工智能化的研究工作，已经成为专家学者研究的热点。人工神经网络就是在人工智能基础上发展而来的重要分支，对人工智能的发展具有重要的促进作用。人工神经网络从形成之初发展至今，经历了不同的发展阶段，并且在经济、生物、医学等领域得到了广泛的应用，解决了许多技术上的难题。
1人工神经网络概述
关于人工神经网络，到目前为止还没有一个得到广泛认可的统一定义，综合各专家学者的观点可以将人工神经网络简单的概括为是模仿人脑的结构和功能的计算机信息处理系统[1]。人工神经网络具有自身的发展特性，其具有很强的并行结构以及并行处理的能力，在实时和动态控制时能够起到很好的作用;人工神经网络具有非线性映射的特性，对处理非线性控制的问题时能给予一定的帮助;人工神经网络可以通过训练掌握数据归纳和处理的能力，因此在数学模型等难以处理时对问题进行解决;人工神经网络的适应性和集成性很强，能够适应不同规模的信息处理和大规模集成数据的处理与控制;人工神经网络不但在软件技术上比较成熟，而且近年来在硬件方面也得到了较大发展，提高了人工神经网络系统的信息处理能力。
2人工神经网络的发展历程
2.1 萌芽时期
在20世纪40年代，生物学家McCulloch与数学家Pitts共同发表文章，第一次提出了关于神经元的模型M-P模型，这一理论的提出为神经网络模型的研究和开发奠定了基础，在此基础上人工神经网络研究逐渐展开。1951年，心理学家Hebb提出了关于连接权数值强化的法则，为神经网络的学习功能开发进行了铺垫。之后生物学家Eccles通过实验证实了突触的真实分流，为神经网络研究突触的模拟功能提供了真实的模型基础以及生物学的依据[2]。随后，出现了能够模拟行为以及条件反射的处理机和自适应线性网络模型，提高了人工神经网络的速度和精准度。这一系列研究成果的出现为人工神经网络的形成和发展提供了可能。
2.2 低谷时期
在人工神经网络形成的初期，人们只是热衷于对它的研究，却对其自身的局限进行了忽视。Minskyh和Papert通过多年对神经网络的研究，在1969年对之前所取得的研究成果提出了质疑，认为当前研究出的神经网络只合适处理比较简单的线性问题，对于非线性问题以及多层网络问题却无法解决。由于他们的质疑，使神经网络的发展进入了低谷时期，但是在这一时期，专家和学者也并没有停止对神经网络的研究，针对他们的质疑也得出一些相应的研究成果。
2.3 复兴时期
美国的物理学家Hopfield在1982年提出了新的神经网络模型，并通过实验证明在满足一定的条件时，神经网络是能够达到稳定的状态的。通过他的研究和带动，众多专家学者又重新开始了对人工神经网络方面的研究，推动了神经网络的再一次发展[3]。经过专家学者的不断努力，提出了各种不同的人工神经网络的模型，神经网络理论研究不断深化，新的理论和方法层出不穷，使神经网络的研究和应用进入了一个崭新的时期。
2.4 稳步发展时期
随着人工神经网络研究在世界范围内的再次兴起，我国也迎来了相关理论研究的热潮，在人工神经网络和计算机技术方面取得了突破性的进展。到20世纪90年代时，国内对于神经网络领域的研究得到了进一步的完善和发展，而且能够利用神经网络对非线性的系统控制问题进行解决，研究成果显著。随着各类人工神经网络的相关刊物的创建和相关学术会议的召开，我国人工神经网络的研究和应用条件逐步改善，得到了国际的关注。
随着人工神经网络的稳步发展，逐渐建立了光学神经网络系统，利用光学的强大功能，提高了人工神经网络的学习能力和自适应能力。对非线性动态系统的控制问题，采取有效措施，提高超平面的光滑性，对其精度进行改进。之后有专家提出了关于人工神经网络的抽取算法，虽然保证了精度，但也加大了消耗，在一定程度上降低了神经网络的效率，因此在此基础上又提出了改进算法FERNN。混沌神经网络的发展也得到了相应的进步，提高了神经网络的泛化能力。
3人工神经网络的应用
3.1 在信息领域中的应用
人工神经网络在信息领域中的应用主要体现在信息处理和模式识别两个方面。由于科技的发展，当代信息处理工作越来越复杂，利用人工神经网络系统可以对人的思维进行模仿甚至是替代，面对问题自动诊断和解决，能够轻松解决许多传统方法无法解决的问题，在军事信息处理中的应用极为广泛[4]。模式识别是对事物表象的各种信息进行整理和分析，对事物进行辨别和解释的一个过程，这样对信息进行处理的过程与人类大脑的思维方式很相像。模式识别的方法可以分为两种，一种是统计模式识别，还有一种是结构模式识别，在语音识别和指纹识别等方面得到了广泛的应用。
3.2 在医学领域的应用
人工神经网络对于非线性问题处理十分有效，而人体的构成和疾病形成的原因十分复杂，具有不可预测性，在生物信号的表现形式和变化规律上也很难掌握，信息检测和分析等诸多方面都存在着复杂的非线性联系，所以应用人工神经网络决解这些非线性问题具有特殊意义[5]。目前，在医学领域中的应用涉及到理论和临床的各个方面，最主要的是生物信号的检测和自动分析以及专家系统等方面的应用。
3.3 在经济领域中的应用
经济领域中的商品价格、供需关系、风险系数等方面的信息构成也十分复杂且变幻莫测，人工神经网络可以对不完整的信息以及模糊不确定的信息进行简单明了的处理，与传统的经济统计方法相比具有其无法比拟的优势，数据分析的稳定性和可靠性更强。
3.4 在其他领域的应用
人工神经网络在控制领域、交通领域、心理学领域等方面都有很广泛的应用，能够对高难度的非线性问题进行处理，对交通运输方面进行集成式的管理，以其高适应性和优秀的模拟性能解决了许多传统方法无法解决的问题，促进了各个领域的快速发展。
4总结
随着科技的发展，人工智能系统将进入更加高级的发展阶段，人工神经网络也将得到更快的发展和更加广泛的应用。人工神经网络也许无法完全对人脑进行取代，但是其特有的非线性信息处理能力解决了许多人工无法解决的问题，在智能系统的各个领域中得到成功应用，今后的发展趋势将向着更加智能和集成的方向发展。
参考文献
[1]徐用懋，冯恩波.人工神经网络的发展及其在控制中的应用[J].化工进展，1993(5)：8-12，20.
[2]汤素丽，罗宇锋.人工神经网络技术的发展与应用[J].电脑开发与应用，2009(10)：59-61.
[3]李会玲，柴秋燕.人工神经网络与神经网络控制的发展及展望[J].邢台职业技术学院学报，2009(5)：44-46.
[4]过效杰，祝彦知.人工神经网络的发展及其在岩土工程领域研究现状[J].河南水利，2004(1)：22-23.
[5]崔永华.基于人工神经网络的河流汇流预报模型及应用研究[D].郑州大学，2006.
下一页分享更优秀的<<<人工智能神经网络论文
1. [期刊论文]产教融合视域下汽车智能技术专业人才需求分析 期刊:《内燃机与配件》 | 2021 年第 002 期 摘要:在国务院印发《国家职业教育改革实施方案2. [期刊论文]汽车智能技术专业群"1+X"课证融通的探索与实践 期刊:《时代汽车》 | 2021 年第 011 期 摘要:职业教育改革中重点关注3. [期刊论文]汽车电子技术中的智能传感器技术分析 期刊:《电子测试》 | 2021 年第 002 期 摘要:现代电子信息技术的大力发展,使得各行各业的
由人民邮电出版社出版的《人工智能通识》面向我国人工智能的通识教育与专业技术人才的培养。全书共8章，分为3篇，分别为人工智能的基本理论、人工智能的应用以及人工智能的融合拓展，涵盖了目前主流的人工智能技术。《人工智能通识》在介绍人工智能的基本原理时，尽量回避了相关的复杂模型和算法设计，方便读者在社会层面理解人工智能的应用形式和未来的发展路径。此外，书中每章都设计了一些思考与练习的题目，以便读者在课堂练习和研讨中使用。
清华大学出版社最近推出了两部人工智能新教材？：《人工智能概论》和《人工智能导论》，前者为人工智能通识课教材，后者面向人工智能专业及计算机、自动化和电子信息类专业。也两本书的最大特点就是易读易懂，易教易学。
Peter Norvig 的《AI, Modern Approach 2nd》（无争议的领域经典）Bishop, 《Pattern Recognition and Machine Learning》. 没有影印的，但是网上能下到。经典中的经典。Pattern Classification 和这本书是两本必读之书。《Pattern Recognition and Machine Learning》是很新（07年），深入浅出，手不释卷。推荐两本有意思的书，一本是《Simple Heuristics that Makes Us Smart》另一本是《Bounded Rationality: The Adaptive Toolbox》 ---------------------------------------------------------------------<从CSDN上转载的> 机器学习与人工智能学习资源导引 我经常在 TopLanguage 讨论组上推荐一些书籍，也经常问里面的牛人们搜罗一些有关的资料，人工智能、机器学习、自然语言处理、知识发现（特别地，数据挖掘）、信息检索这些无疑是 CS 领域最好玩的分支了（也是互相紧密联系的），这里将最近有关机器学习和人工智能相关的一些学习资源归一个类： 首先是两个非常棒的 Wikipedia 条目，我也算是 wikipedia 的重度用户了，学习一门东西的时候常常发现是始于 wikipedia 中间经过若干次 google ，然后止于某一本或几本著作。 第一个是“人工智能的历史”（History of Artificial Intelligence），我在讨论组上写道： 而今天看到的这篇文章是我在 wikipedia 浏览至今觉得最好的。文章名为《人工智能的历史》，顺着 AI 发展时间线娓娓道来，中间穿插无数牛人故事，且一波三折大气磅礴，可谓"事实比想象更令人惊讶"。人工智能始于哲学思辨，中间经历了一个没有心理学（尤其是认知神经科学的）的帮助的阶段，仅通过牛人对人类思维的外在表现的归纳、内省，以及数学工具进行探索，其间最令人激动的是 Herbert Simon （决策理论之父，诺奖，跨领域牛人）写的一个自动证明机，证明了罗素的数学原理中的二十几个定理，其中有一个定理比原书中的还要优雅，Simon 的程序用的是启发式搜索，因为公理系统中的证明可以简化为从条件到结论的树状搜索（但由于组合爆炸，所以必须使用启发式剪枝）。后来 Simon 又写了 GPS （General Problem Solver），据说能解决一些能良好形式化的问题，如汉诺塔。但说到底 Simon 的研究毕竟只触及了人类思维的一个很小很小的方面 —— Formal Logic，甚至更狭义一点 Deductive Reasoning （即不包含 Inductive Reasoning , Transductive Reasoning (俗称 analogic thinking）。还有诸多比如 Common Sense、Vision、尤其是最为复杂的 Language 、Consciousness 都还谜团未解。还有一个比较有趣的就是有人认为 AI 问题必须要以一个物理的 Body 为支撑，一个能够感受这个世界的物理规则的身体本身就是一个强大的信息来源，基于这个信息来源，人类能够自身与时俱进地总结所谓的 Common-Sense Knowledge （这个就是所谓的 Emboddied Mind 理论。 ），否则像一些老兄直接手动构建 Common-Sense Knowledge Base ，就很傻很天真了，须知人根据感知系统从自然界获取知识是一个动态的自动更新的系统，而手动构建常识库则无异于古老的 Expert System 的做法。当然，以上只总结了很小一部分我个人觉得比较有趣或新颖的，每个人看到的有趣的地方不一样，比如里面相当详细地介绍了神经网络理论的兴衰。所以我强烈建议你看自己一遍，别忘了里面链接到其他地方的链接。 顺便一说，徐宥同学打算找时间把这个条目翻译出来，这是一个相当长的条目，看不动 E 文的等着看翻译吧:) 第二个则是“人工智能”（Artificial Intelligence）。当然，还有机器学习等等。从这些条目出发能够找到许多非常有用和靠谱的深入参考资料。然后是一些书籍 书籍： 1. 《Programming Collective Intelligence》，近年出的入门好书，培养兴趣是最重要的一环，一上来看大部头很容易被吓走的:P 2. Peter Norvig 的《AI, Modern Approach 2nd》（无争议的领域经典）。 3. 《The Elements of Statistical Learning》，数学性比较强，可以做参考了。 4. 《Foundations of Statistical Natural Language Processing》，自然语言处理领域公认经典。 5. 《Data Mining, Concepts and Techniques》，华裔科学家写的书，相当深入浅出。 6. 《Managing Gigabytes》，信息检索好书。 7. 《Information Theory：Inference and Learning Algorithms》，参考书吧，比较深。 相关数学基础（参考书，不适合拿来通读）： 1. 线性代数：这个参考书就不列了，很多。 2. 矩阵数学：《矩阵分析》，Roger Horn。矩阵分析领域无争议的经典。 3. 概率论与统计：《概率论及其应用》，威廉·费勒。也是极牛的书，可数学味道太重，不适合做机器学习的。于是讨论组里的 Du Lei 同学推荐了《All Of Statistics》并说到 机器学习这个方向，统计学也一样非常重要。推荐All of statistics，这是CMU的一本很简洁的教科书，注重概念，简化计算，简化与Machine Learning无关的概念和统计内容，可以说是很好的快速入门材料。 4. 最优化方法：《Nonlinear Programming, 2nd》非线性规划的参考书。《Convex Optimization》凸优化的参考书。此外还有一些书可以参考 wikipedia 上的最优化方法条目。要深入理解机器学习方法的技术细节很多时候（如SVM）需要最优化方法作为铺垫。 王宁同学推荐了好几本书： 《Machine Learning, Tom Michell》, 1997.老书，牛人。现在看来内容并不算深，很多章节有点到为止的感觉，但是很适合新手（当然，不能"新"到连算法和概率都不知道）入门。比如决策树部分就很精彩，并且这几年没有特别大的进展，所以并不过时。另外，这本书算是对97年前数十年机器学习工作的大综述，参考文献列表极有价值。国内有翻译和影印版，不知道绝版否。 《Modern Information Retrieval, Ricardo Baeza-Yates et al》. 1999老书，牛人。貌似第一本完整讲述IR的书。可惜IR这些年进展迅猛，这本书略有些过时了。翻翻做参考还是不错的。另外，Ricardo同学现在是Yahoo Research for Europe and Latin Ameria的头头。 《Pattern Classification (2ed)》, Richard O. Duda, Peter E. Hart, David G. Stork大约也是01年左右的大块头，有影印版，彩色。没读完，但如果想深入学习ML和IR，前三章（介绍，贝叶斯学习，线性分类器）必修。 还有些经典与我只有一面之缘，没有资格评价。另外还有两本小册子，论文集性质的，倒是讲到了了不少前沿和细节，诸如索引如何压缩之类。可惜忘了名字，又被我压在箱底，下次搬家前怕是难见天日了。 （呵呵，想起来一本：《Mining the Web - Discovering Knowledge from Hypertext Data》 ） 说一本名气很大的书：《Data Mining: Practical Machine Learning Tools and Techniques》。Weka 的作者写的。可惜内容一般。理论部分太单薄，而实践部分也很脱离实际。DM的入门书已经不少，这一本应该可以不看了。如果要学习了解 Weka ，看文档就好。第二版已经出了，没读过，不清楚。 信息检索方面，Du Lei 同学再次推荐： 信息检索方面的书现在建议看Stanford的那本《Introduction to Information Retrieval》，这书刚刚正式出版，内容当然up to date。另外信息检索第一大牛Croft老爷也正在写教科书，应该很快就要面世了。据说是非常pratical的一本书。 对信息检索有兴趣的同学，强烈推荐翟成祥博士在北大的暑期学校课程，这里有全slides和阅读材料： maximzhao 同学推荐了一本机器学习： 加一本书：Bishop, 《Pattern Recognition and Machine Learning》. 没有影印的，但是网上能下到。经典中的经典。Pattern Classification 和这本书是两本必读之书。《Pattern Recognition and Machine Learning》是很新（07年），深入浅出，手不释卷。最后，关于人工智能方面（特别地，决策与判断），再推荐两本有意思的书， 一本是《Simple Heuristics that Makes Us Smart》 另一本是《Bounded Rationality: The Adaptive Toolbox》 不同于计算机学界所采用的统计机器学习方法，这两本书更多地着眼于人类实际上所采用的认知方式，以下是我在讨论组上写的简介： 这两本都是德国ABC研究小组（一个由计算机科学家、认知科学家、神经科学家、经济学家、数学家、统计学家等组成的跨学科研究团体）集体写的，都是引起领域内广泛关注的书，尤其是前一本，后一本则是对 Herbert Simon （决策科学之父，诺奖获得者）提出的人类理性模型的扩充研究），可以说是把什么是真正的人类智能这个问题提上了台面。核心思想是，我们的大脑根本不能做大量的统计计算，使用fancy的数学手法去解释和预测这个世界，而是通过简单而鲁棒的启发法来面对不确定的世界（比如第一本书中提到的两个后来非常著名的启发法：再认启发法（cognition heuristics）和选择最佳（Take the Best）。当然，这两本书并没有排斥统计方法就是了，数据量大的时候统计优势就出来了，而数据量小的时候统计方法就变得非常糟糕；人类简单的启发法则充分利用生态环境中的规律性（regularities），都做到计算复杂性小且鲁棒。 关于第二本书的简介： 1. 谁是 Herbert Simon 2. 什么是 Bounded Rationality 3. 这本书讲啥的： 我一直觉得人类的决策与判断是一个非常迷人的问题。这本书简单地说可以看作是《决策与判断》的更全面更理论的版本。系统且理论化地介绍人类决策与判断过程中的各种启发式方法（heuristics）及其利弊（为什么他们是最优化方法在信息不足情况下的快捷且鲁棒的逼近，以及为什么在一些情况下会带来糟糕的后果等，比如学过机器学习的都知道朴素贝叶斯方法在许多情况下往往并不比贝叶斯网络效果差，而且还速度快；比如多项式插值的维数越高越容易 overfit，而基于低阶多项式的分段样条插值却被证明是一个非常鲁棒的方案）。 在此提一个书中提到的例子，非常有意思：两个团队被派去设计一个能够在场上接住抛过来的棒球的机器人。第一组做了详细的数学分析，建立了一个相当复杂的抛物线近似模型（因为还要考虑空气阻力之类的原因，所以并非严格抛物线），用于计算球的落点，以便正确地接到球。显然这个方案耗资巨大，而且实际运算也需要时间，大家都知道生物的神经网络中生物电流传输只有百米每秒之内，所以 computational complexity 对于生物来说是个宝贵资源，所以这个方案虽然可行，但不够好。第二组则采访了真正的运动员，听取他们总结自己到底是如何接球的感受，然后他们做了这样一个机器人：这个机器人在球抛出的一开始一半路程啥也不做，等到比较近了才开始跑动，并在跑动中一直保持眼睛于球之间的视角不变，后者就保证了机器人的跑动路线一定会和球的轨迹有交点；整个过程中这个机器人只做非常粗糙的轨迹估算。体会一下你接球的时候是不是眼睛一直都盯着球，然后根据视线角度来调整跑动方向？实际上人类就是这么干的，这就是 heuristics 的力量。 相对于偏向于心理学以及科普的《决策与判断》来说，这本书的理论性更强，引用文献也很多而经典，而且与人工智能和机器学习都有交叉，里面也有不少数学内容，全书由十几个章节构成，每个章节都是由不同的作者写的，类似于 paper 一样的，很严谨，也没啥废话，跟《Psychology of Problem Solving》类似。比较适合 geeks 阅读哈。 另外，对理论的技术细节看不下去的也建议看看《决策与判断》这类书（以及像《别做正常的傻瓜》这样的傻瓜科普读本），对自己在生活中做决策有莫大的好处。人类决策与判断中使用了很多的 heuristics ，很不幸的是，其中许多都是在适应几十万年前的社会环境中建立起来的，并不适合于现代社会，所以了解这些思维中的缺点、盲点，对自己成为一个良好的决策者有很大的好处，而且这本身也是一个非常有趣的领域。 （完）