发布时间：
1950年，英国的图灵发表《计算机和智力》一文，提出机器能思维的观点. 图灵英年早逝。在他42年的人生历程中，他的创造力是丰富多彩的，他是天才的数学家和计算机理论专家。他24岁提出图灵机理论，31岁参与COLOSSUS的研制，33岁设想仿真系统，35岁提出自动程序设计概念，38岁设计“图灵测验”。这一朵朵灵感浪花无不闪耀着他在计算机发展史上的预见性。阿兰·图灵本人，被人们推崇为人工智能之父，在计算机业十倍速变化的历史画卷中永远占有一席之地。他的惊世才华和盛年夭折，也给他的个人生活涂上了谜一样的传奇色彩。 1939年，返回剑桥从事研究工作，并应邀加入英国政府破译二战德军密码的工作。 1940年-1942年，作为主要参与者和贡献者之一，在破译纳粹德国通讯密码的工作上成就杰出，并成功破译了德军U-潜艇密码，为扭转二战盟军的大西洋战场战局立下汗马功劳。 1943年-1945年，担任英美密码破译部门的总顾问。 1945年，应邀在英国国家物理实验室从事计算机理论研究工作。 1946年，这个时候，图灵在计算机和程序设计原始理论上的构思和成果，已经确定了他的理论开创者的地位。由于图灵的杰出贡献，年轻的他被英国皇室授予OBE爵士勋衔。 1947年-1948年，主要从事计算机程序理论的研究，并同时在神经网络和人工智能领域做出开创性的理论研究。 1948年，应邀加入英国曼彻斯特大学从事研究工作，担任曼彻斯特大学计算实验室副主任。 1949年，成为世界上第一位把计算机实际用于数学研究的科学家。 1950年，发表论文“计算机器与智能”，为后来的人工智能科学提供了开创性的构思。提出著名的“图灵测试”理论。 1951年，从事生物的非线性理论研究。年仅39岁的图林，被选为英国皇家学会会员。 1952年，在当年保守愚昧和冷战的时代，当警察得知图灵与同性朋友密切交往的消息之后，同性恋倾向的图灵被逮捕入狱。在法庭审判过程中，图灵明确告知人们，他认为自己没有做错什么事。在那个观念落后的年代，为了避免被判刑入狱，图灵被迫选择了为期一年的雌性激素注射的所谓“治疗”，才得以重新返回研究工作。 1953年-1954年，继续在生物和物理学等方面的研究。被迫承受的对同性恋倾向的“治疗”，致使原本热爱体育运动的图灵在身心上受到极大的伤害。 1954年6月7日，图灵被发现死于家中的床上。死因是氰化物中毒，警方调查结论是自杀。一代英灵，就此过早离去，成为人类科学史上的一大遗憾。 图灵的诞辰和去世纪念日，都在六月份。然而，从某种意义上来说，他的去世纪念日更显得特别。图灵的诞辰，只是象其他无数普通人那样，来到这个世界上。而图灵的过早离世，却是当年愚昧落后的社会观念导致的。对同性恋者的无知和偏见，正是杀害图灵的幕后凶手。如今的英国以及世界上其它很多地方，已经从半个多世纪前的落后观念和政策中改变，走向了尊重、平等和反对歧视的现代社会。今天，人们在纪念图灵的同时，除了敬仰和感佩图灵为计算机科学做出的杰出贡献之外，更应该懂得尊重和珍视每一个不同的人。正是每一个各自不同的善良的人，在以不同的方式让我们的世界更加美好。假如图灵能够快乐的多活在世上十年、二十年或者更久，凭着他的才华智慧和探索精神，说不定，我们当今世界的计算机科学以及所有被直接或间接影响到的方方面面，都会更加向前推进。歧视和偏见，只会阻碍社会的文明进步，尊重和包容，才能带来社会的繁荣美好。这方面的思考，正是我们纪念图灵去世五十周年的意义所在。 作为个人，图灵是一个同性恋者。不论你在个人观念上是理解或不理解同性爱，有一点是无法否认的：图灵是一个有深邃思想和敏锐智慧的人，图灵是一个勤奋工作和勇于探索的人，图灵是一个广受世人尊敬的人，图灵为我们的社会做出了不可磨灭的贡献。我们应该对所有为人类做出伟大贡献的人表达敬意，包括其中的同性恋者和异性恋者，包括阿兰-图林。 阿兰-图灵（Alan Turing，也被译作阿兰-图林）生平简介（部分资料参考自Andrew Hodges所著的图灵传记“Alan Turing: the Enigma”） 图灵奖，是国际计算机协会（ACM）于1966年设立的，又叫“A.M. 图灵奖”，专门奖励那些对计算机事业作出重要贡献的个人。其名称取自计算机科学的先驱、英国科学家阿兰·图灵，这个奖设立目的之一是纪念这位科学家。获奖者的贡献必须是在计算机领域具有持久而重大的技术先进性的。大多数获奖者是计算机科学家。 图灵奖是计算机界最负盛名的奖项，有“计算机界诺贝尔奖”之称。图灵奖对获奖者的要求极高，评奖程序也极严，一般每年只奖励一名计算机科学家，只有极少数年度有两名以上在同一方向上做出贡献的科学家同时获奖。目前图灵奖由英特尔公司赞助，奖金为100,000美元。 每年，美国计算机协会将要求提名人推荐本年度的图灵奖候选人，并附加一份200到500字的文章，说明被提名者为什么应获此奖。任何人都可成为提名人。美国计算机协会将组成评选委员会对被提名者进行严格的评审，并最终确定当年的获奖者。 截止至2005年，获此殊荣的华人仅有一位，他是2000年图灵奖得主姚期智。
图灵在科学、特别在数理逻辑和计算机科学方面，取得了举世瞩目的成就，他的一些科学成果，构成了现代计算机技术的基础。 计算，可以说是人类最先遇到的数学课题，并且在漫长的历史年代里，成为人们社会生活中不可或缺的工具．那么，什么是计算呢？直观地看，计算一般是指运用事先规定的规则，将一组数值变换为另一(所需的)数值的过程．对某一类问题，如果能找到一组确定的规则，按这组规则，当给出这类问题中的任一具体问题后，就可以完全机械地在有限步内求出结果，则说这类问题是可计算的。这种规则就是算法，这类可计算问题也可称之为存在算法的问题。这就是直观上的能行可计算或算法可计算的概念．在20世纪以前，人们普遍认为，所有的问题类都是有算法的，人们的计算研究就是找出算法来。似乎正是为了证明一切科学命题，至少是一切数学命题存在算法，莱布尼茨(Leibniz)开创了数理逻辑的研究工作。但是20世纪初，人们发现有许多问题已经过长期研究，仍然找不到算法，例如希尔伯特第10问题，半群的字的问题等．于是人们开始怀疑，是否对这些问题来说，根本就不存在算法，即它们是不可计算的。这种不存在性当然需要证明，这时人们才发现，无论对算法还是对可计算性，都没有精确的定义！按前述对直观的可计算性的陈述，根本无法作出不存在算法的证明，因为“完全机械地”指什么？“确定的规则”又指什么？仍然是不明确的。实际上，没有明确的定义也不能抽象地证明某类问题存在算法，不过存在算法的问题一般是通过构造出算法来确证的，因而可以不涉及算法的精确定义问题。解决问题的需要促使人们不断作出探索。1934年，哥德尔(Godel)在埃尔布朗(Herbrand)的启示下提出了一般递归函数的概念，并指出：凡算法可计算函数都是一般递归函数，反之亦然。1936年，克林(Kleene)又加以具体化．因此，算法可计算函数的一般递归函数定义后来被称为埃尔布朗-哥德尔-克林定义．同年，丘奇证明了他提出的λ可定义函数与一般递归函数是等价的，并提出算法可计算函数等同于一般递归函数或λ可定义函数，这就是著名的“丘奇论点”。用一般递归函数虽给出了可计算函数的严格数学定义，但在具体的计算过程中，就某一步运算而言，选用什么初始函数和基本运算仍有不确定性。为消除所有的不确定性，图灵在他的“论可计算数及其在判定问题中的应用”一文中从一个全新的角度定义了可计算函数。他全面分析了人的计算过程，把计算归结为最简单、最基本、最确定的操作动作，从而用一种简单的方法来描述那种直观上具有机械性的基本计算程序，使任何机械(能行)的程序都可以归约为这些动作。这种简单的方法是以一个抽象自动机概念为基础的，其结果是：算法可计算函数就是这种自动机能计算的函数。这不仅给计算下了一个完全确定的定义，而且第一次把计算和自动机联系起来，对后世产生了巨大的影响，这种“自动机”后来被人们称为“图灵机”。图灵机是一种自动机的数学模型，它是一条两端(或一端)无限延长的纸带，上面划成方格，每个方格中可以印上某字母表中的一个字母(亦可为空格，记为S0)；又有一个读写头，它具有有限个内部状态。任何时刻读写头都注视着纸带上的某一个方格，并根据注视方格的内容以及读写头当时的内部状态而执行变换规则所规定的动作。每个图灵机都有一组变换规则，它们具有下列三种形状之一：qiaRqi，qiaLqi，qiabqj意思是：当读写头处于状态qi时如果注视格的内容为字母a则读写头右移一格，或左移一格，或印下字母b(即把注视格的内容由a改成b．a，b可为S0)。图灵把可计算函数定义为图灵机可计算函数．1937年，图灵在他的“可计算性与λ可定义性”一文中证明了图灵机可计算函数与λ可定义函数是等价的，从而拓广了丘奇论点，得出：算法(能行)可计算函数等同于一般递归函数或λ可定义函数或图灵机可计算函数．这就是“丘奇-图灵论点”，相当完善地解决了可计算函数的精确定义问题，对数理逻辑的发展起了巨大的推动作用。图灵机的概念有十分独特的意义：如果把图灵机的内部状态解释为指令，用字母表的字来表示，与输出字输入字同样存贮在机器里，那就成为电子计算机了。由此开创了“自动机”这一学科分支，促进了电子计算机的研制工作．与此同时，图灵还提出了通用图灵机的概念，它相当于通用计算机的解释程序，这一点直接促进了后来通用计算机的设计和研制工作，图灵自己也参加了这一工作。在给出通用图灵机的同时，图灵就指出，通用图灵机在计算时，其“机械性的复杂性”是有临界限度的，超过这一限度，就要靠增加程序的长度和存贮量来解决．这种思想开启了后来计算机科学中计算复杂性理论的先河。 所谓“判定问题”指判定所谓“大量问题”是否具有算法解，或者是否存在能行性的方法使得对该问题类的每一个特例都能在有限步骤内机械地判定它是否具有某种性质(如是否真，是否可满足或是否有解等，随大量问题本身的性质而定)的问题。判定问题与可计算性问题有密切的联系，二者可以相互定义：对一类问题若能找到确定的算法以判定其是否具有某种性质，则称这类问题是能行可判定的，或可解的；否则是不可判定的，或不可解的。二者又是有区别的：判定问题是要确定是否存在一个算法，使对一类问题的每一个特例都能对某一性质给以一个“是”或“否”的解答；可计算性问题则是找出一个算法，从而求出一些具体的客体来。图灵在判定问题上的一大成就是把图灵机的“停机问题”作为研究许多判定问题的基础，一般地，把一个判定问题归结为停机问题：“如果问题A可判定，则停机问题可判定．”从而由“停机问题是不可判定的”推出“问题A是不可判定的”。所谓停机指图灵机内部达到一个结果状态、指令表上没有的状态或符号对偶，从而导致计算终止。在每一时刻，机器所处的状态，纸带上已被写上符号的所有格子以及机器当前注视的格子位置，统称为机器的格局。图灵机从初始格局出发，按程序一步步把初始格局改造为格局的序列。此过程可能无限制继续下去，也可能遇到指令表中没有列出的状态、符号组合或进入结束状态而停机。在结束状态下停机所达到的格局是最终格局，此最终格局(如果存在)就包含机器的计算结果。所谓停机问题即是：是否存在一个算法，对于任意给定的图灵机都能判定任意的初始格局是否会导致停机？图灵证明，这样的算法是不存在的，即停机问题是不可判定的，从而使之成为解决许多不可判定性问题的基础。1937年，图灵用他的方法解决了著名的希尔伯特判定问题：狭谓词演算(亦称一阶逻辑)公式的可满足性的判定问题。他用一阶逻辑中的公式对图灵机进行编码，再由图灵机停机问题的不可判定性推出一阶逻辑的不可判定性。他在此处创用的“编码法”成为后来人们证明一阶逻辑的公式类的不可判定性的主要方法之一。在判定问题上，图灵的另一成果是1939年提出的带有外部信息源的图灵机概念，并由此导出“图灵可归约”及相对递归的概念。运用归约和相对递归的概念，可对不可判定性与非递归性的程度加以比较。在此基础上，E．波斯特(Post)提出了不可解度这一重要概念，这方面的工作后来有重大的进展。图灵参与解决的另一个著名的判定问题是“半群的字的问题”，它是图埃(Thue)在1914年提出来的：对任意给定的字母表和字典，是否存在一种算法能判定两个任意给定的字是否等价[给出有限个不同的称为字母的符号，便给出了字母表，字母的有限序列称为该字母表上的字。把有限个成对的字(A1，B1)，…，(An，Bn)称为字典．如果两个字R和S使用有限次字典之后可以彼此变换，则称这两个字是等价的]1947年，波斯特和A．A．马尔科夫(Markov)用图灵的编码法证明了这一问题是不可判定的。1950年，图灵进一步证明，满足消元律的半群的字的问题也是不可判定的。 图灵在第二次世界大战中从事的密码破译工作涉及到电子计算机的设计和研制，但此项工作严格保密。直到70年代，内情才有所披露。从一些文件来看，很可能世界上第一台电子计算机不是ENIAC，而是与图灵有关的另一台机器，即图灵在战时服务的机构于1943年研制成功的CO-LOSSUS(巨人)机，这台机器的设计采用了图灵提出的某些概念。它用了1500个电子管，采用了光电管阅读器；利用穿孔纸带输入；并采用了电子管双稳态线路，执行计数、二进制算术及布尔代数逻辑运算，巨人机共生产了10台，用它们出色地完成了密码破译工作．战后，图灵任职于泰丁顿国家物理研究所(Teddington National Physical Laboratory)，开始从事“自动计算机”(Automatic Computing Engine)的逻辑设计和具体研制工作。1946年，图灵发表论文阐述存储程序计算机的设计。他的成就与研究离散变量自动电子计算机（Electronic Discrete Variable Automatic Computer）的约翰·冯·诺伊曼（John von Neumann）同期。图灵的自动计算机与诺伊曼的离散变量自动电子计算机都采用了二进制，都以“内存储存程序以运行计算机”打破了那个时代的旧有概念。 1949年，图灵成为曼切斯特大学（University of Manchester ）计算实验室的副院长，致力研发运行Manchester Mark 1型号储存程序式计算机所需的软件。1950年他发表论文《计算机器与智能》（ Computing Machinery and Intelligence），为后来的人工智能科学提供了开创性的构思。提出著名的“图灵测试”，指出如果第三者无法辨别人类与人工智能机器反应的差别， 则可以论断该机器具备人工智能。1956年图灵的这篇文章以“机器能够思维吗？”为题重新发表．此时，人工智能也进入了实践研制阶段。图灵的机器智能思想无疑是人工智能的直接起源之一。而且随人工智能领域的深入研究，人们越来越认识到图灵思想的深刻性：它们至今仍然是人工智能的主要思想之一。 1945年到1948年，图灵在国家物理实验室，负责自动计算引擎（ACE）的工作 。1949年，他成为曼彻斯特大学计算机实验室的副主任，负责最早的真正的计算机---曼彻斯特一号的软件工作。在这段时间，他继续作一些比较抽象的研究，如“计算机械和智能”。图灵在对人工智能的研究中，提出了一个叫做图灵试验的实验，尝试定出一个决定机器是否有感觉的标准。图灵试验由计算机、被测试的人和主持试验人组成。计算机和被测试的人分别在两个不同的房间里。测试过程由主持人提问，由计算机和被测试的人分别做出回答。观测者能通过电传打字机与机器和人联系（避免要求机器模拟人外貌和声音）。被测人在回答问题时尽可能表明他是一个“真正的”人，而计算机也将尽可能逼真的模仿人的思维方式和思维过程。如果试验主持人听取他们各自的答案后，分辨不清哪个是人回答的，哪个是机器回答的，则可以认为该计算机具有了智能。这个试验可能会得到大部分人的认可，但是却不能使所有的哲学家感到满意。图灵试验虽然形象描绘了计算机智能和人类智能的模拟关系，但是图灵试验还是片面性的试验。通过试验的机器当然可以认为具有智能，但是没有通过试验的机器因为对人类了解的不充分而不能模拟人类仍然可以认为具有智能。图灵试验还有几个值得推敲的地方，比如试验主持人提出问题的标准，在试验中没有明确给出；被测人本身所具有的智力水平，图灵试验也疏忽了；而且图灵试验仅强调试验结果，而没有反映智能所具有的思维过程。所以，图灵试验还是不能完全解决机器智能的问题。例如：质问者可以说：“我听说，今天上午一头犀牛在一个粉红色的气球中沿着密西西比河飞。你觉得怎样？”(你们可以想像该电脑的肩头上泛出的冷汗：)电脑也许谨慎地回答： “我听起来觉得这不可思议，”到此为止没有毛病。质问者又问： “是吗?我的叔叔试过一回，顺流、逆流各一回，它只不过是浅色的并带有斑纹。 这有什么不可思议的?”很容易想像，如果电脑没有合适的“理解”就会很快地暴露了自己、在回答第一个问题时，电脑的记忆库非常有力地想列犀牛没有翅膀，甚至可以在无意中得到“犀牛不能飞”，或者这样回答第二个问题“犀牛没有斑纹”。下一回质问者可以试探真正无意义的问题．譬如把它改变成“在密西西比河下面”，或者“在一个粉红色的气球之外”．或者“穿一件粉红色衣服”，再去看看电脑是否感觉到真正的差别。其实，要求电脑这样接近地模仿人类，以使得不能和一个人区分开实在是太过分了。一些专家认为，我们不该以电脑能否思维为目标，而是以能多大程度地模仿人类思维为目标；然后，让设计者再朝着这个目标努力。1952年，图灵写了一个国际象棋程序。可是，当时没有一台计算机有足够的运算能力去执行这个程序，他就模仿计算机，每走一步要用半小时。他与一位同事下了一盘，结果程序输了。后来美国新墨西哥州洛斯阿拉莫斯国家实验室的研究群根据图灵的理论，在MANIAC上设计出世界上第一个电脑程序的象棋。
艾伦·麦席森·图灵：一个“了不起的人”
图灵在计算机的发展史上是做出了一些卓绝的贡献，大家都知道。
图灵在计算机方面的主要贡献是提出了如下：
阿兰-图灵（Alan Turing）英国数学家、逻辑学家，被称为计算机之父，人工智能之父。1931年图灵进入剑桥大学国王学院，毕业后到美国普林斯顿大学攻读博士学位，二战爆发后回到剑桥，后曾协助军方破解德国的著名密码系统Enigma，帮助盟军取得了二战的胜利。
图灵对于人工智能的发展有诸多贡献，提出了一种用于判定机器是否具有智能的试验方法，即图灵试验，至今，每年都有试验的比赛。此外，图灵提出的著名的图灵机模型为现代计算机的逻辑工作方式奠定了基础。
1912年6月23日，出生于英国伦敦。1931年-1934年，在英国剑桥大学国王学院（King’s College）学习。1932年-1935年，主要研究量子力学、概率论和逻辑学。1935年，年仅23岁的图灵，被选为剑桥大学国王学院院士。1936年，主要研究可计算理论，并提出“图灵机”的构想。1936年-1938年，主要在美国普林斯顿大学做博士研究，涉及逻辑学、代数和数论等领域。1938-1939年，返回剑桥从事研究工作，并应邀加入英国政府破译二战德军密码的工作。1940年-1942年，作为主要参与者和贡献者之一，在破译纳粹德国通讯密码的工作上成就杰出，并成功破译了德军U-潜艇密码，为扭转二战盟军的大西洋战场战局立下汗马功劳。1943年-1945年，担任英美密码破译部门的总顾问。1945年，应邀在英国国家物理实验室从事计算机理论研究工作。1946年，这个时候，图灵在计算机和程序设计原始理论上的构思和成果，已经确定了他的理论开创者的地位。由于图灵的杰出贡献，年轻的他被英国皇室授予OBE爵士勋衔。1947年-1948年，主要从事计算机程序理论的研究，并同时在神经网络和人工智能领域做出开创性的理论研究。1948年，应邀加入英国曼彻斯特大学从事研究工作，担任曼彻斯特大学计算实验室副主任。1949年，成为世界上第一位把计算机实际用于数学研究的科学家。1950年，发表论文“计算机器与智能”，为后来的人工智能科学提供了开创性的构思。提出著名的“图灵测试”理论。
机器可以思考出自：图灵发表了里程碑论文《计算机器与智能》，第一次提出“机器思维”和“图灵测试”（TurningTest）的概念，该论文又名《机器能思考吗？》，正是这篇文章为图灵赢得了“人工智能之父”的桂冠。他这样设想道：“人的大脑好似一台巨型的电子计算机，初生婴儿的大脑皮层像‘尚未组织好的’机器，可以经过训练，使之成为‘组织好了的’类似于万能机（即万能图灵机）式的机器。”由于机器和思考这两个词的含义模糊，很难给出定义，图灵在论文中提出用一个测试来代替解答“机器能思考吗”这个问题。他称之为模仿博弈，也就是后世大名鼎鼎的图灵测试。
艾伦·麦席森·图灵（英文：Alan Mathison Turing，1912年6月23日-1954年6月7日），英国数学家、逻辑学家，被称为计算机科学父，人工智能之父。1931年图灵进入剑桥大学国王学院，毕业后到美国普林斯顿大学攻读博士学位，第二次世界大战暴发后回到剑桥，后曾协助军方破解德国的著名密码系统Enigma，帮助盟军取得二战的胜利。 1952年，英国振幅对图灵的同性恋取向定罪，随后图灵进行化学阉割（雌激素注射）。1954年6月7日，图灵吃下有氰化物的苹果中毒身亡，享年41岁。2013年12月24日，在英国司法大臣克里斯·格雷灵的要求下，英国女王伊丽莎白二世向图灵颁发了皇家赦免。 图灵对于人工智能的发展有诸多贡献，提出了一种用于判定机器是否具有智能化的试验方法，即图灵试验，至今，每年都有试验的比赛。此外，图灵提出的著名的图灵机模型为现代计算机的逻辑工作方式奠定了基础。 艾伦·麦席森·图灵，1912年6月23日生于英国伦敦。艾伦·麦席森·图灵少年时就表现出独特的直觉创造能力和对数学的爱好。 1926年，14岁的图灵考入伦敦有名的谢伯恩公学去学习，受到良好的中等教育，他在中学期间表现出对自然的极大兴趣和敏锐的数学头脑。 1927年末，年仅15岁的图灵为帮助母亲理解爱因斯坦的相对论，写了爱因斯坦的一部著作的内容提要，表现出他已具备非同凡响的数学水平和科学理解力。 图灵对自然可写的兴趣使他在1930年和1931年两次获得他的一位同学莫克姆的父母设立的自然科学奖，获奖工作中有一篇论文题为“亚硫盐酸和卤化物在酸性溶液中的反应”，受到了政府派来的督学的赞赏，对自然科学的虚拟光驱为他后来的一些研究奠定了基础，他的数学能力使他在念中学时获得过国王爱德华六世数学金盾奖章。 1931年，图灵考进剑桥国王学院，由于成绩优异而获得数学奖学金，在剑桥，他的数学能力得到充分的发展。1935年，他的第一篇数学论文“左右殆周期性的等价”发表于《伦敦数学会杂志》上。同一年，他还写出“论高斯误差函数”一文。这一论文使他又一名大学生直接当选为国王学院的研究员，并与次年荣获英国著名的史密斯（Smith）数学奖，成为国王学院声名显赫的毕业生之一。 1936年5月，图灵向英国权威的数学杂志投了一篇论文，题位《论数学计算在决断难题中的应用》。该文于1937年在《伦敦数学会文集》第42期上发表后立即引起了广泛的注意。在论文的附录里他描述了一可以辅助数学研究的机器，后来我们所熟知的电脑，以及还没有实现的”人工智能“都基于这个设想。这是他人生第一篇重要文章，也是他的成名之作。 1937年，图灵发表的另一篇文章“可计算性与λ可定义性”则拓广了丘奇（Church）提出的“丘奇论点”，形成“丘奇-图灵论点”，对计算机理论的严格化，对计算机科学的形成和发展都具有奠基性的意义。 1936年9月，图灵应邀到美国普林斯顿高级研究院学习，并于丘奇一同工作。 在美国期间，他对群论做了一些研究，并撰写了博士论文。1938年在普林斯顿获得博士学位，其论文题目为“以序数为基础的逻辑系统”，1939年正式发表，在数理逻辑研究中产生了深远的影响。 1938年夏，图灵回到英国，仍在剑桥大学国王学院任研究员，继续研究数理逻辑和计算理论，同时开始了计算机的研制工作。 第二次世界大战打断了图灵的正常研究工作，1939年秋，他应召到英国外交部通信处从事军事工作，主要是破译敌方密码的工作。由于破译工作的需要，他参与了世界上最早的电子计算机的研制工作。他的工作取得了极好的成就，因而于1945年获政府的最高奖——大英帝国荣誉勋章（O.B.E.勋章）。 1945年，图灵结束了在外交部的工作，他试图恢复战前在理论计算机科学方面的研究，并结合战时的工作，具体研制出新的计算机来。这一想法得到当局的支持。同年，图灵被录用为泰丁顿Teddington）国家物理研究所的研究人员，开始从事“自动计算机” （ACE） 的逻辑设计和具体研制工作。这一年，图灵写出一份长达50页的关于ACE的设计说明书。这一说明书在保密了27年之后，于1972年正式发表。在图灵的设计思想指导下，1950年制出了ACE样机，1958年制成大型ACE机。人们认为，通用计算机的概念就是图灵提出来的。 1945年到1948年，他在英国国家物理实验室工作，负责自动计算引擎的研究。 1946年的8月，图灵参加了他正式跑步训练后的第一个比赛。那是在他加入沃尔顿田径俱乐部后参加的3英里 （4.8公里） 比赛，图灵以15分37秒的成绩夺得第一，这一成绩当年在英国排名第20位。 1947年，在莱斯特郡拉夫堡 （Loughborough） 大学体育场举行的英国业余田径协会马拉松锦标赛上，图灵跑出了他在马拉松赛中的个人最好成绩2小时46分03秒，在那场比赛中列第五名。 1948年，图灵接受了[曼彻斯特大学]的高级讲师职务，并被指定为曼彻斯特自动数字计算机(Madam)项目的负责人助理，具体领导该项目数学方面的工作，作为这一工作的总结。 1949年成为曼彻斯特大学计算机实验室的副主任，负责最早的真正意义上的计算机——“曼彻斯特一号”的软件理论开发，因此成为世界上第一位把计算机实际用于数学研究的科学家。 1950年，图灵编写并出版了《曼彻斯特电子计算机程序员手册》（The programmers’handbook for the Manchester electronic computer）。这期间，他继续进行数理逻辑方面的理论研究。并提出了著名的“图灵测试”。同年，他提出关于机器思维的问题，他的论文“计算机和智能（Computingmachiery and intelligence），引起了广泛的注意和深远的影响。1950年10月，图灵发表论文《机器能思考吗》。这一划时代的作品，使图灵赢得了“人工智能之父”的桂冠。 1951年，由于在可计算数方面所取得的成就，成为英国皇家学会会员，时年39岁。 1952年，他辞去剑桥大学国王学院研究员的职务，专心在曼彻斯特大学工作．除了日常工作和研究工作之外，他还指导一些博士研究生，还担任了制造曼彻斯特自动数字计算机的一家公司——弗兰蒂公司的顾问。 1952年，图灵写了一个国际象棋程序。可是，当时没有一台计算机有足够的运算能力去执行这个程序，他就模仿计算机，每走一步要用半小时。他与一位同事下了一盘，结果程序输了。后来美国新墨西哥州洛斯阿拉莫斯国家实验室的研究群根据图灵的理论，在MANIAC上设计出世界上第一个电脑程序的象棋。 1952年，图灵的同性伴侣协同一名同谋一起闯进了图灵的房子实施盗窃。图灵为此而报警。但是警方的调查结果使得他被控以“明显的猥亵和性颠倒行为”（同性恋）。他没有申辩，并被定罪。在著名的公审后，他被给予了两个选择：坐牢或 荷尔蒙疗法 。他选择了荷尔蒙注射，并持续了一年。在这段时间里，药物产生了包括乳房不断发育的副作用。 1954年6月7日，图灵被发现死于家中的床上，床头还放着一个被咬了一口的泡过氰化物的苹果。警方调查后认为是剧毒的氰化物中毒，调查结论为自杀。当时图灵41岁。 2009年，英国计算机科学家康明（John Graham-Cumming）发起了为图灵平反的在线请愿，截止到2009年9月10日请愿签名人数已经超过了3万，为此，当时的英国政府及首相戈登布朗不得不发表正式的道歉声明。 2012年12月，霍金、纳斯（Paul Nurse，诺贝尔医学奖得主）、里斯（Martin Rees，[英国皇家学会会长）等11位重要人士致函英国首相卡梅伦，要求为其平反。 2013年12月24日，在英国司法大臣克里斯・格雷灵（ChrisGrayling）的要求下，英国女王终于向图灵颁发了皇家赦免。英国司法部长宣布，“图灵的晚年生活因为其同性取向而被迫蒙上了一层阴影，我们认为当时的判决是不公的，这种歧视现象如今也已经遭到了废除。为此，女王决定为这位伟人送上赦免，以此向其致敬。” 图灵在他的“论可计算数及其在判定问题中的应用”一文中从一个全新的角度定义了可计算函数。他全面分析了人的计算过程，把计算归结为最简单、最基本、最确定的操作动作，从而用一种简单的方法来描述那种直观上具有机械性的基本计算程序，使任何机械(能行)的程序都可以归约为这些动作。这种简单的方法是以一个抽象自动机概念为基础的，其结果是：算法可计算函数就是这种自动机能计算的函数。这不仅给计算下了一个完全确定的定义，而且第一次把计算和自动机联系起来，对后世产生了巨大的影响，这种“自动机”后来被人们称为“图灵机”。 图灵在第二次世界大战中从事的密码破译工作涉及到电子计算机的设计和研制，但此项工作严格保密。直到70年代，内情才有所披露。从一些文件来看，很可能世界上第一台电子计算机不是ENIAC，而是与图灵有关的另一台机器，即图灵在战时服务的机构于1943年研制成功的CO-LOSSUS(巨人)机，这台机器的设计采用了图灵提出的某些概念。它用了1500个电子管，采用了光电管阅读器；利用穿孔纸带输入；并采用了电子管双稳态线路，执行计数、二进制算术及布尔代数逻辑运算，巨人机共生产了10台，用它们出色地完成了密码破译工作。战后，图灵任职于泰丁顿国家物理研究所(Teddington National Physical Laboratory)，开始从事“自动计算机”(Automatic Computing Engine)的逻辑设计和具体研制工作。1946年，图灵发表论文阐述存储程序计算机的设计。他的成就与研究离散变量自动电子计算机（Electronic Discrete Variable Automatic Computer）的约翰·冯·诺伊曼（John von Neumann）同期。图灵的自动计算机与诺伊曼的离散变量自动电子计算机都采用了二进制，都以“内存储存程序以运行计算机”打破了那个时代的旧有概念。 从1952年直到去世，图灵一直在数理生物学方面做研究。他在1952年发表了一篇论文《形态发生的化学基础》(The Chemical Basis of Morphogenesis)。他主要的兴趣是斐波那契叶序列，存在于植物结构的斐波那契数。他应用了反应-扩散公式，如今已经成为图案形成范畴的核心。他后期的论文都没有发表，一直等到1992年《艾伦·图灵选集》出版，这些文章才见天日。 1945年到1948年，图灵在国家物理实验室，负责自动计算引擎（ACE）的工作 。1949年，他成为曼彻斯特大学计算机实验室的副主任，负责最早的真正的计算机---曼彻斯特一号的软件工作。在这段时间，他继续作一些比较抽象的研究，如“计算机械和智能”。图灵在对人工智能的研究中，提出了一个叫做图灵试验的实验，尝试定出一个决定机器是否有感觉的标准。
智能计算机与应用杂志不是月刊，而是双月刊。《智能计算机与应用》（原：电脑学习）双月刊，本刊由哈尔滨工业大学主办，哈尔滨工业大学计算机科学与技术学院承办，本刊宗旨：坚持理论与实际结合，普及与提高结合，注重科学性、知识性、实用性，普及推广电脑知识，促进电脑应用水平不断地提高，为广大读者和社会主义现代化建设服务。刊物特色：难易结合、灵活多样、实用性强、可读性好。《智能计算机与应用》办刊宗旨：刊发国内外智能计算机学术研究与技术应用成果，搭建计算机技术成果转化与学术交流的平台， 推进我国智能计算机研究与应用学科的发展。荣获1988，1991，1996，2000年黑龙江省优秀科技期刊。
《计算机应用研究》 目前是北大核心期刊+中国科学引文索引数据库（CSCD核心）-E，审稿非常严格。投稿时需要带上基金项目，至少是省级的科技类基金项目，国家自然科学基金更好，例如，国家自然科学基金（No.610XXXXX），江苏省自然科学基金项目（No.2015ABXXX），江苏省教育厅基础研究计划项目（No.201609XX），江苏省科技厅科技攻关计划项目（No.BA4XXXXX），否则很难录用正刊，增刊倒是挺容易的。正常情况下，审稿周期是2~3个月，如果运气好，恰好遇到个审稿速度快的外审专家，1个多月也能返回结果（通常外审专家都是到最后期限才返回，摆架子，显得自己很牛掰），如果遇到多次返回修改，则需要3~6个月不等，顺利录用还好，如果不录用，只能白白耽误3~6个月的宝贵时间，版面费一般在2500~4000之间，杂志社会提供发票和纸质用稿通知书，录用后需要1年多见刊。这个期刊主编主要收大学单位作者的文章，如果是二本或者高职院校投稿录用难度很大。建议您不要投这个期刊，可以试试《计算机仿真》、《计算机工程与设计》等期刊。以上讲的都是硬投稿情况，如果是走内部渠道操作就不一样了，像《计算机应用》《计算机工程》《计算机工程与应用》《计算机应用与软件》《计算机测量与控制》《计算机学报》《自动化学报》《机器人》《模式识别与人工智能》《控制工程》《重庆邮电大学学报.自然科学版》《河北大学学报.自然科学版》《电子器件》《东南大学学报.自然科学版》《仪表技术与传感器》《传感技术学报》《电工技术学报》《电力电子技术》学海湾都有主编一手内部渠道，100%录用，快的话投稿后1周就能在投稿系统里查到录用，3个月左右见刊，可以节省您大量的时间。 希望能对楼主有帮助，您也可以去张老师的博客看一下。（）里面有更详细的介绍。我也是从他那里了解到的这些信息。
计算机应用期刊属于二级期刊，是国内较好较成熟的刊物，如果你的论文有一定的创新，应该还是能够发表的，不过中间可能会让你进行适当的修改，会花一些时间审核，知道结果一般要二个月左右。
如果你要自己向杂志社投稿，需要等待的时间就比较长，而且如果不通过审核，你的论文就会石沉大海。这样容易耽误事，建议你可以找个论文网帮你发表，他们都和杂志社有合作，并且帮你修改论文，通过率很对期刊的选择要谨慎。我以前找品 优刊 论文网给发表了两篇论文，还不错，两个月就出刊了，你可以去试试。
人工智能与机器人研究这本期刊的领域有这些：智能机器人、模式识别与智能系统、虚拟现实技术与应用、系统仿真技术与应用、工业过程建模与智能控制、智能计算与机器博弈、人工智能理论、语音识别与合成、机器翻译、图像处理与计算机视觉、计算机感知、计算机神经网络、知识发现与机器学习、建筑智能化技术与应用、人智能其他学科人工智能与机器人研究这本期刊的领域，你可以参考下：智能机器人、模式识别与智能系统、虚拟现实技术与应用、系统仿真技术与应用、工业过程建模与智能控制、智能计算与机器博弈、人工智能理论、语音识别与合成、机器翻译、图像处理与计算机视觉、计算机感知、计算机神经网络、知识发现与机器学习、建筑智能化技术与应用、人智能其他学科 具体那个好写就看你自己的专业知识了，你擅长哪方面的就写哪方面的吧
工智能论文要抓住现在智能的特点。例如是语音操控还是 是手机操控。现在比较流行懒人模式，都是语音操控的比较多。
有本人工智能与机器人研究
比较有名的有以下杂志：1. ADVANCED ROBOTICS《先进机器人学》荷兰 2006 IF 0.318 2007年IF0.504 BimonthlyISSN: 0169-1864VSP BV, BRILL ACADEMIC PUBLISHERS, PO BOX 9000, LEIDEN, NETHERLANDS, 2300 PA2. AUTONOMOUS ROBOTS 《自主式机器人》荷兰 2006 IF1.578 2007IF1.413 BimonthlyISSN: 0929-5593SPRINGER, VAN GODEWIJCKSTRAAT 30, DORDRECHT, NETHERLANDS, 3311 GZ3. BIOINSPIRATION & BIOMIMETICS《生物灵感与仿生学》英国 Quarterly （注：2008年开始被SCI收录） ISSN: 1748-3182IOP PUBLISHING LTD, DIRAC HOUSE, TEMPLE BACK, BRISTOL, ENGLAND, BS1 6BE4. IEEE ROBOTICS & AUTOMATION MAGAZINE《IEEE机器人学与自动化杂志》美国 2006 IF0.652 2007年IF0.892 QuarterlyISSN: 1070-9932IEEE-INST ELECTRICAL ELECTRONICS ENGINEERS INC, 445 HOES LANE, PISCATAWAY, USA, NJ, 088555. IEEE TRANSACTIONS ON ROBOTICS《IEEE机器人学汇刊》美国2006IF 1.292 2007年IF0.813 BimonthlyISSN: 1552-3098IEEE-INST ELECTRICAL ELECTRONICS ENGINEERS INC, 445 HOES LANE, PISCATAWAY, USA, NJ, 088556. INDUSTRIAL ROBOT-AN INTERNATIONAL JOURNAL《工业机器人》英国 2006IF0.278 2007年IF0.400 BimonthlyISSN: 0143-991XEMERALD GROUP PUBLISHING LIMITED, HOWARD HOUSE, WAGON LANE, BINGLEY, ENGLAND, W YORKSHIRE, BD16 1WA7. INTERNATIONAL JOURNAL OF HUMANOID ROBOTICS《国际人性机器人杂志》新加坡 Quarterly 2004年创刊（注：2007年开始被SCI收录） ISSN: 0219-8436WORLD SCIENTIFIC PUBL CO PTE LTD, 5 TOH TUCK LINK, SINGAPORE, SINGAPORE, 5962248. INTERNATIONAL JOURNAL OF ROBOTICS & AUTOMATION《国际机器人学与自动化杂志》加拿大 2006IF 0.404 2007年IF0.203 QuarterlyISSN: 0826-8185ACTA PRESS/I A S T E D, 4500-16TH AVE NW, STE 80, CALGARY, CANADA, AB, T3B 0M69. INTERNATIONAL JOURNAL OF ROBOTICS RESEARCH《国际机器人研究杂志》美国 2006 IF1.591 2007年IF1.318 BimonthlyISSN: 0278-3649SAGE PUBLICATIONS LTD, 1 OLIVERS YARD, 55 CITY ROAD, LONDON, ENGLAND, EC1Y 1SP10. JOURNAL OF BIONIC ENGINEERING《仿生工程学报》中国 Quarterly （注：2008年开始被SCI收录） ISSN: 1672-6529SCIENCE CHINA PRESS, 16 DONGHUANGCHENGGEN NORTH ST, BEIJING, PEOPLES R CHINA, 10071711. JOURNAL OF FIELD ROBOTICS《野外机器人杂志》美国 2007年IF0.960 MonthlyISSN: 1556-4959JOHN WILEY & SONS INC, 111 RIVER ST, HOBOKEN, USA, NJ, 0703012. JOURNAL OF INTELLIGENT & ROBOTIC SYSTEMS《智能和机器人系统杂志》荷兰 2006 IF0.265 2007年IF0.633 MonthlyISSN: 0921-0296SPRINGER, VAN GODEWIJCKSTRAAT 30, DORDRECHT, NETHERLANDS, 3311 GZ13. REVISTA IBEROAMERICANA DE AUTOMATICA E INFORMATICA INDUSTRIAL《拉丁美洲工业自动化杂志》西班牙 Quarterly （注：2008年开始被SCI收录，西班牙语） ISSN: 1697-7912COMITE ESPANOL AUTOMATICA CEA, C VERA 14, APDO 22012, VALENCIA, SPAIN, E-4607114. ROBOTICA《机器人学》英国 2006IF0.483 2007年IF0.410 BimonthlyISSN: 0263-5747CAMBRIDGE UNIV PRESS, 32 AVENUE OF THE AMERICAS, NEW YORK, USA, NY, 10013-247315. ROBOTICS AND AUTONOMOUS SYSTEMS 《机器人学和自控系统》荷兰 2006IF0.832 2007年IF0.633 MonthlyISSN: 0921-8890ELSEVIER SCIENCE BV, PO BOX 211, AMSTERDAM, NETHERLANDS, 1000 AE16. ROBOTICS AND COMPUTER-INTEGRATED MANUFACTURING《机器人学与计算机集成制造》英国 2006IF0.810 2007年IF0804
计算机视觉、机器学习、自然语言处理、机器人和语音识别是人工智能的五大核心技术,它们均会成为独立的子产业。
计算机视觉
计算机视觉是指计算机从图像中识别出物体、场景和活动的能力。计算机视觉技术运用由图像处理操作及其他技术所组成的序列，来将图像分析任务分解为便于管理的小块任务。比如，一些技术能够从图像中检测到物体的边缘及纹理，分类技术可被用作确定识别到的特征是否能够代表系统已知的一类物体。
计算机视觉有着广泛的应用，其中包括：医疗成像分析被用来提高疾病预测、诊断和治疗；人脸识别被Facebook用来自动识别照片里的人物；在安防及监控领域被用来指认嫌疑人；在购物方面，消费者现在可以用智能手机拍摄下产品以获得更多购买选择。
机器视觉作为相关学科，泛指在工业自动化领域的视觉应用。在这些应用里，计算机在高度受限的工厂环境里识别诸如生产零件一类的物体，因此相对于寻求在非受限环境里操作的计算机视觉来说目标更为简单。计算机视觉是一个正在进行中的研究，而机器视觉则是“已经解决的问题”，是系统工程方面的课题而非研究层面的课题。因为应用范围的持续扩大，某些计算机视觉领域的初创公司自2011年起已经吸引了数亿美元的风投资本。
机器学习
机器学习指的是计算机系统无须遵照显式的程序指令，而只依靠数据来提升自身性能的能力。其核心在于，机器学习是从数据中自动发现模式，模式一旦被发现便可用于预测。比如，给予机器学习系统一个关于交易时间、商家、地点、价格及交易是否正当等信用卡交易信息的数据库，系统就会学习到可用来预测信用卡欺诈的模式。处理的交易数据越多，预测就会越准确。
机器学习的应用范围非常广泛，针对那些产生庞大数据的活动，它几乎拥有改进一切性能的潜力。除了欺诈甄别之外，这些活动还包括销售预测、库存管理、石油和天然气勘探，以及公共卫生等。机器学习技术在其他的认知技术领域也扮演着重要角色，比如计算机视觉，它能在海量图像中通过不断训练和改进视觉模型来提高其识别对象的能力。
现如今，机器学习已经成为认知技术中最炙手可热的研究领域之一，在2011~2014年这段时间内就已吸引了近10亿美元的风险投资。谷歌也在2014年斥资4亿美元收购Deepmind这家研究机器学习技术的公司。
资4亿美元收购Deepmind这家研究机器学习技术的公司。
自然语言处理
自然语言处理是指计算机拥有的人类般的文本处理的能力。比如，从文本中提取意义，甚至从那些可读的、风格自然、语法正确的文本中自主解读出含义。一个自然语言处理系统并不了解人类处理文本的方式，但是它却可以用非常复杂与成熟的手段巧妙处理文本。例如，自动识别一份文档中所有被提及的人与地点；识别文档的核心议题；在一堆仅人类可读的合同中，将各种条款与条件提取出来并制作成表。以上这些任务通过传统的文本处理软件根本不可能完成，后者仅针对简单的文本匹配与模式就能进行操作。
自然语言处理像计算机视觉技术一样，将各种有助于实现目标的多种技术进行了融合。建立语言模型来预测语言表达的概率分布，举例来说，就是某一串给定字符或单词表达某一特定语义的最大可能性。选定的特征可以和文中的某些元素结合来识别一段文字，通过识别这些元素可以把某类文字同其他文字区别开来，比如垃圾邮件同正常邮件。以机器学习为驱动的分类方法将成为筛选的标准，用来决定一封邮件是否属于垃圾邮件。
因为语境对于理解“timeflies”（时光飞逝）和“fruitflies”（果蝇）的区别是如此重要，所以自然语言处理技术的实际应用领域相对较窄，这些领域包括分析顾客对某项特定产品和服务的反馈，自动发现民事诉讼或政府调查中的某些含义，自动书写诸如企业营收和体育运动的公式化范文，等等。
机器人
将机器视觉、自动规划等认知技术整合至极小却高性能的传感器、制动器以及设计巧妙的硬件中，这就催生了新一代的机器人，它有能力与人类一起工作，能在各种未知环境中灵活处理不同的任务。例如，无人机、可以在车间为人类分担工作的“cobots”等。
语音识别
语音识别主要是关注自动且准确地转录人类的语音技术。该技术必须面对一些与自然语言处理类似的问题，在不同口音的处理、背景噪声、区分同音异形/异义词（“buy”和“by”听起来是一样的）方面存在一些困难，同时还需要具有跟上正常语速的工作速度。语音识别系统使用一些与自然语言处理系统相同的技术，再辅以其他技术，比如描述声音和其出现在特定序列与语言中概率的声学模型等。语音识别的主要应用包括医疗听写、语音书写、电脑系统声控、电话客服等。比如Domino抯Pizza，最近推出了一个允许用户通过语音下单的移动APP。
上述5项技术的产业化，是人工智能产业化的要素。人工智能将是一个万亿级的市场，甚至是10万亿级的市场，将会为我们带来一些全新且容量巨大的子产业，比如机器人、智能传感器、可穿戴设备等，其中最令人期待的是机器人子产业。
机器人应用的分法有很多种，从应用层面可以粗略地分为以下几个类别。第一个类别是工业级机器人，像富士康这种公司已经运用得很好了，因为劳工成本越来越高，用工风险越来越高，而机器人则可以解决这些问题。第二个类别是监护级机器人，它可以在家里和医院里作为病人、老人或孩子的护理，帮助他们做一定复杂程度的事情。中国对监护级机器人需求其实更迫切一些，因为中国人口红利在下降，同时老龄化又不断地上升，这两个矛盾，机器人都可以帮助解决。因此，这个领域的需求在民用市场占比很大。第三个类别就是探险级机器人，用来采矿或者探险等，大大避免了人所要经历的危险。此外还有用来打仗的军事机器人等。
网络媒体Business Insider预测，机器人将在许多岗位上取替人类：电话营销员、校对员、手工裁缝师、数学家、保险核保人、钟表修理师、货运代理商、报税员、图像处理人员、银行开户员、图书馆员、打字员等。因为它们的价格竞争力惊人。麦肯锡全球研究院的研究表明，当中国制造业工资每年增长10%~20%时，全球机器人的价格每年下调10%，一台最便宜的低阶机器人只需花费美国人年平均工资的一半。国际研究机构顾能预测：2020年机器人将导致全球新一波失业潮。
同时，人工智能技术的发展还将让许多旧产业获得改头换面式的新生，其中最典型的是汽车产业。汽车产业已存在上百年了，其间的变革也是非常大的，但驾驶汽车的始终是人，可最近几年，随着谷歌等公司的大力投入，机器或者说某种自动化的系统已经有望取代人来驾驶汽车，从而形成一个市场容量巨大的新产业，即无人驾驶汽车产业。这个产业的规模也将是万亿级甚至是10万亿级的。而且，这个产业还将与新能源产业叠加、融合在一起，形成“车联网＋能联网＋互联网＋电动汽车”的复合产业——未来，我们会把插电式汽车和氢燃料汽车作为发电厂使用，从而使新能源汽车成为电网的一部分，成为新能源的供给者，与现在一些装有太阳能发电系统的房屋是太阳能的供给者一样。
毫无疑问，与互联网一样，智能技术会向几乎所有旧产业渗透。华泰证券在一份人工智能产业的研究报告中提及了九大行业：生活服务O2O、医疗、零售业、金融业、数字营销业、农业、工业、商业和在线教育。实际上，将获得新生的旧产业还有许多，如军事、传媒、家居、医疗健康业、生命科学、能源、公共部门……甚至包括受VR/AR（虚拟现实与增强现实）技术发展影响而产生的虚拟产业。（内容来自机器人家）
望采纳，谢谢
英国金斯顿大学（Kingston University）的专家将探讨如何将受到人眼启发的人工视觉系统用于未来的机器人——这为在森林深处、战区甚至遥远的行星获取固定镜头带来了新的可能。
《每日科学》网刊登了来自英国金斯顿大学的文章，称科学家将为机器人装配人工智能视觉技术。
英国金斯顿大学（Kingston University）的专家将探讨如何将受到人眼启发的人工视觉系统用于未来的机器人——这为在森林深处、战区甚至遥远的行星获取固定镜头带来了新的可能。
这项为期三年的研究项目与伦敦国王学院（King's College London）和伦敦大学学院（University College London）合作，研究如何采集、压缩这些最先进的摄像头所提供的数据，并以远低于现在的能源消耗在机器之间进行数据传输。
该项目得到了英国工程和自然科学研究委员会（Engineering and Physical Sciences Research Council）130万英镑的资助，将致力于利用新开发的动态视觉传感器进行学术研究。这种传感器只更新图像中产生移动的部分，大大降低了对计算能力和数据存储的要求。
这些神经形态传感器模仿哺乳动物的眼睛处理信息的方式，能够快速有效地检测其视野中的光线变化，一位研究人员指出。在该项目中，她领导团队寻找创新的方法来处理和传播通过传感器获得的信息。
“传统的摄像头技术可以在一系列单独的帧或图像中采集视频。如果其中的某些区域比另一些区域变动更多，就可能导致资源浪费。”该研究人员指出，“在一个真正的动态场景中，例如爆炸，由于帧率和处理能力的限制，且使用了太多的数据来表示静态区域，导致最终不能准确采集快速移动的部分。”“但这些传感器是由一家正与我们就该项目进行合作的公司生产，它们会按照不同的速度对现场的不同部分进行采样，且仅在光线条件发生变化时才获取信息。”
这大大降低了摄像头的能源和处理需求。在项目进行期间，研究团队将研究如何从动态视觉传感器中高效地获取高质量的镜头，然后在机器之间共享或上传到云端服务器。
据该研究人员介绍，该研究还可能对这种传感器在医学领域的应用产生广泛的影响。“这种节能措施为机器人、无人机和下一代视网膜植入物等打开了新世界，极大地扩展了这些设备的监视作用和其他用途。”她说，“它们可以用于人类无法进入且无法为电池充电的小型设备中。”
“有时传感器被从飞机上扔到森林里，并停留多年。这样做的目的是让配备了这些传感器的不同设备能够相互高效地共享高质量的数据，而不需要人的干预。”
作为项目的一部分，该团队将探讨这些传感器如何作为物联网（IoT）的一部分协同发挥作用。物联网是通过互联网连接的可以远程操作的设备。
随着社会发展的需要和机器人应用领域的扩大，人们对智能机器人的要求也越来越高。下面是我整理的机器人智能技术论文，希望你能从中得到感悟!
刍议智能机器人及其关键技术
【摘 要】文章介绍了机器人的定义，阐述了智能机器人研究领域的关键技术，最后展望了智能机器人今后的发展趋势。
【关键词】智能机器人;信息融合;智能控制
一、机器人的定义
自机器人问世以来，人们就很难对机器人下一个准确的定义，欧美国家认为机器人应该是“由计算机控制的通过编程具有可以变更的多功能的自动机械”;日本学者认为“机器人就是任何高级的自动机械”，我国科学家对机器人的定义是：“机器人是一种自动化的机器，所不同的是这种机器具备一些与人或生物相似的智能能力，如感知能力、规划能力、动作能力和协同能力，是一种具有高度灵活性的自动化机器。”目前国际上对机器人的概念已经渐趋一致，联合国标准化组织采纳了美国机器人协会(RIA：Robot Institute of America)于1979 年给机器人下的定义：“一种可编程和多功能的，用来搬运材料、零件、工具的操作机;或是为了执行不同的任务而具有可改变和可编程动作的专门系统。”概括说来，机器人是靠自身动和控制能力来实现各种功能的一种机器。
二、智能机器人关键技术
随着社会发展的需要和机器人应用领域的扩大，人们对智能机器人的要求也越来越高。智能机器人所处的环境往往是未知的、难以预测的，在研究这类机器人的过程中，主要涉及到以下关键技术：
(1)多传感器信息融合。多传感器信息融合技术是近年来十分热门的研究课题，它与控制理论、信号处理、人工智能、概率和统计相结合，为机器人在各种复杂、动态、不确定和未知的环境中执行任务提供了一种技术解决途径。机器人所用的传感器有很多种，根据不同用途分为内部测量传感器和外部测量传感器两大类。内部测量传感器用来检测机器人组成部件的内部状态，包括：特定位置、角度传感器;任意位置、角度传感器;速度、角度传感器;加速度传感器;倾斜角传感器;方位角传感器等。外部传感器包括：视觉(测量、认识传感器)、触觉(接触、压觉、滑动觉传感器)、力觉(力、力矩传感器)、接近觉(接近觉、距离传感器)以及角度传感器(倾斜、方向、姿式传感器)。多传感器信息融合就是指综合来自多个传感器的感知数据，以产生更可靠、更准确或更全面的信息。经过融合的多传感器系统能够更加完善、精确地反映检测对象的特性，消除信息的不确定性，提高信息的可靠性。融合后的多传感器信息具有以下特性：冗余性、互补性、实时性和低成本性。目前多传感器信息融合方法主要有贝叶斯估计、卡尔曼滤波、神经网络、小波变换等。
(2)导航与定位。在机器人系统中，自主导航是一项核心技术，是机器人研究领域的重点和难点问题。导航的基本任务有3点：一是基于环境理解的全局定位：通过环境中景物的理解，识别人为路标或具体的实物，以完成对机器人的定位，为路径规划提供素材;二是目标识别和障碍物检测：实时对障碍物或特定目标进行检测和识别，提高控制系统的稳定性;三是安全保护：能对机器人工作环境中出现的障碍和移动物体作出分析并避免对机器人造成的损伤。机器人有多种导航方式，根据环境信息的完整程度、导航指示信号类型等因素的不同，可以分为基于地图的导航、基于创建地图的导航和无地图的导航3类。根据导航采用的硬件的不同，可将导航系统分为视觉导航和非视觉传感器组合导航。视觉导航是利用摄像头进行环境探测和辨识，以获取场景中绝大部分信息。目前视觉导航信息处理的内容主要包括：视觉信息的压缩和滤波、路面检测和障碍物检测、环境特定标志的识别、三维信息感知与处理。非视觉传感器导航是指采用多种传感器共同工作，如探针式、电容式、电感式、力学传感器、雷达传感器、光电传感器等，用来探测环境，对机器人的位置、姿态、速度和系统内部状态等进行监控，感知机器人所处工作环境的静态和动态信息，使得机器人相应的工作顺序和操作内容能自然地适应工作环境的变化，有效地获取内外部信息。
(3)路径规划。路径规划技术是机器人研究领域的一个重要分支。最优路径规划就是依据某个或某些优化准则(如工作代价最小、行走路线最短、行走时间最短等)，在机器人工作空间中找到一条从起始状态到目标状态、可以避开障碍物的最优路径。路径规划方法大致可以分为传统方法和智能方法两种。传统路径规划方法主要有以下几种：自由空间法、图搜索法、栅格解耦法、人工势场法。大部分机器人路径规划中的全局规划都是基于上述几种方法进行的，但这些方法在路径搜索效率及路径优化方面有待于进一步改善。人工势场法是传统算法中较成熟且高效的规划方法，它通过环境势场模型进行路径规划，但是没有考察路径是否最优。智能路径规划方法是将遗传算法、模糊逻辑以及神经网络等人工智能方法应用到路径规划中，来提高机器人路径规划的避障精度，加快规划速度，满足实际应用的需要。其中应用较多的算法主要有模糊方法、神经网络、遗传算法、Q学习及混合算法等，这些方法在障碍物环境已知或未知情况下均已取得一定的研究成果。
(4)机器人视觉。视觉系统是自主机器人的重要组成部分，一般由摄像机、图像采集卡和计算机组成。机器人视觉系统的工作包括图像的获取、图像的处理和分析、输出和显示，核心任务是特征提取、图像分割和图像辨识。而如何精确高效的处理视觉信息是视觉系统的关键问题。目前视觉信息处理逐步细化，包括视觉信息的压缩和滤波、环境和障碍物检测、特定环境标志的识别、三维信息感知与处理等。其中环境和障碍物检测是视觉信息处理中最重要、也是最困难的过程。机器人视觉是其智能化最重要的标志之一，对机器人智能及控制都具有非常重要的意义。目前国内外都在大力研究，并且已经有一些系统投入使用。
(5)智能控制。随着机器人技术的发展，对于无法精确解析建模的物理对象以及信息不足的病态过程，传统控制理论暴露出缺点，近年来许多学者提出了各种不同的机器人智能控制系统。机器人的智能控制方法有模糊控制、神经网络控制、智能控制技术的融合(模糊控制和变结构控制的融合;神经网络和变结构控制的融合;模糊控制和神经网络控制的融合;智能融合技术还包括基于遗传算法的模糊控制方法)等。近几年，机器人智能控制在理论和应用方面都有较大的进展。在模糊控制方面，J.J.Buckley等人论证了模糊系统的逼近特性，E.H.Mamdan首次将模糊理论用于一台实际机器人。模糊系统在机器人的建模控制、对柔性臂的控制、模糊补偿控制以及移动机器人路径规划等各个领域都得到了广泛的应用。在机器人神经网络控制方面，CMCA(Cere-bella Model Controller Articulation)应用较早的一种控制方法，其最大特点是实时性强，尤其适用于多自由度操作臂的控制。
(6)人机接口技术。智能机器人的研究目标并不是完全取代人，复杂的智能机器人系统仅仅依靠计算机来控制目前是有一定困难的，即使可以做到，也由于缺乏对环境的适应能力而并不实用。智能机器人系统还不能完全排斥人的作用，而是需要借助人机协调来实现系统控制。因此，设计良好的人机接口就成为智能机器人研究的重点问题之一。人机接口技术是研究如何使人方便自然地与计算机交流。为了实现这一目标，除了最基本的要求机器人控制器有1个友好的、灵活方便的人机界面之外，还要求计算机能够看懂文字、听懂语言、说话表达，甚至能够进行不同语言之间的翻译，而这些功能的实现又依赖于知识表示方法的研究。因此，研究人机接口技术既有巨大的应用价值，又有基础理论意义。目前，人机接口技术已经取得了显著成果，文字识别、语音合成与识别、图像识别与处理、机器翻译等技术已经开始实用化。另外，人机接口装置和交互技术、监控技术、远程操作技术、通讯技术等也是人机接口技术的重要组成部分，其中远程操作技术是一个重要的研究方向。
三、总结与展望
机器人是自动化领域的主题之一，人们几十年来对机器人的开发和研究，使机器人技术取得了巨大的进步。随着人工智能、智能控制和计算机技术的发展，机器人的应用领域必将不断扩大，性能不断提高，在未来的生产、生活、科研当中会发挥更重要的作用。
参 考 文 献
[1]孙华，陈俊风，吴林.多传感器信息融合技术及其在机器人中的应用[J].传感器技术.2003，22(9)：1～4
[2]王灏，毛宗源.机器人的智能控制方法[M].北京：国防工业出版社，2002
[3]金周英.关于我国智能机器人发展的几点思考[J].机器人技术与应用.2001(4)：5～7
点击下页还有更多>>>机器人智能技术论文