2 常用的人工智能的算法以及學(xué)派

　　2.1 基于知識庫技術(shù)的專家系統(tǒng)

　　客觀地講，人工智能最成功的應(yīng)用應(yīng)該是知識庫技術(shù)

　　的專家系統(tǒng)，早在 20 多年前，筆者研究室里就針對手寫

　　文字如何看起來美觀為題開發(fā)了手寫文字的專家系統(tǒng)，把

　　美觀的手寫文字的規(guī)則輸入到知識庫中，運用這個系統(tǒng)可

　　解決苦于手寫字不流暢的企業(yè)負責(zé)人手寫書信問題，通過

　　專家系統(tǒng)的處理既保留了企業(yè)負責(zé)人書寫文字的個性化，

　　同時看起來又具有一定的美觀效果。

　　同 20 多年前落后的硬件環(huán)境相比，今天的科研環(huán)境

　　先進了許多。人們可以借助大型網(wǎng)絡(luò)服務(wù)器構(gòu)筑社會性的

　　大知識庫系統(tǒng)，可以得到意想不到的應(yīng)用效果。例如，最

　　近日本在網(wǎng)絡(luò)服務(wù)器上建立了 10 萬人的語音知識庫 ， 該

　　庫可以實現(xiàn)完全無障礙的自動語音交流，目前用于外國游

　　客坐出租時的自動翻譯系統(tǒng)中。

　　基于知識庫技術(shù)的專家系統(tǒng)是把人的經(jīng)過頭腦加工

　　的知識通過標(biāo)準(zhǔn)的知識庫的形式歸納起來，使專家系統(tǒng)能

　　夠達到人腦所能實現(xiàn)的處理功能，因此可以解決傳統(tǒng)算法

　　所解決不了的難題。

　　2.2 基于模糊數(shù)學(xué)的空間映射理論*

　　空間映射理論的倡導(dǎo)者至今才發(fā)現(xiàn)這個理論是屬于

　　人工智能范疇的理論。空間映射理論的原理可以用來解決

　　類似人臉識別、圖像識別或文字識別等復(fù)雜系的模式識別

　　問題。由于復(fù)雜系的問題往往很難找到可以直接解決的算

　　法，因此不能像傳統(tǒng)的智能系統(tǒng)一樣，直接通過傳統(tǒng)的算

　　法進行處理；基于模糊數(shù)學(xué)的空間映射理論是把一個復(fù)雜

　　系空間的問題映射到若干個簡單系空間的問題，雖然在每

　　一個簡單系的空間中只能解決有限的問題，但是根據(jù)組合

　　理論，若干個簡單系空間的組合卻能解決復(fù)雜系空間的問

　　題；這里最重要的地方是由復(fù)雜系空間問題映射到簡單系

　　空間，是基于人的大腦的處理，學(xué)術(shù)上稱為人為介入的方

　　法；由于傳統(tǒng)的數(shù)學(xué)方法非常死板，不易進行人為介入，

　　模糊數(shù)學(xué)則給我們提供了便利，可以根據(jù)人對處理對象的

　　理解，從若干個角度通過模糊數(shù)學(xué)的 Membership 函數(shù)進

　　行定式，從而實現(xiàn)對復(fù)雜系問題的解決。由于這樣的算法

　　是按照人頭腦處理的方式，再通過模糊數(shù)學(xué)的定式達到解

　　決復(fù)雜系問題的效果，因此應(yīng)當(dāng)屬于人工智能的理

　　論范疇。

　　20 多年前，日本利用這個理論在手寫體數(shù)字

　　的自動識別上得到了非常高水平的應(yīng)用效果。比如，

　　在區(qū)別數(shù)字“9”和數(shù)字“4”的自動識別方面。那

　　個時候，普遍使用的掃描儀的解像度只有 100dpi，

　　掃描后的數(shù)字“9”和數(shù)字“4”很容易混淆：如果

　　數(shù)字“4”豎線下面的筆畫較長，很容易被識別成

　　數(shù)字“9”，反過來手寫的“9” 下半部分筆畫較短時，

　　可能會被識別成數(shù)字“4”。于是，研究人員利用

　　空間映射理論中的 Membership 函數(shù)定式，把數(shù)字“9”

　　和數(shù)字“4”的模糊值進行量化，從而可以得到非

　　常高精度的識別結(jié)果。該技術(shù)主要用于超市傳票的

　　自動高速讀取系統(tǒng)中 ， 成為當(dāng)時日本頗具代表性的

　　手寫文字識別方法。

　　該理論也可以用于其他應(yīng)用。例如，利用這個理論，

　　日本電氣化軌道交通的無人駕駛系統(tǒng)可以通過模糊推論，

　　成功地按照駕駛員的經(jīng)驗自動地處理在自動駕駛過程中可

　　能遇到的隨機問題，從而可以平穩(wěn)地自動駕駛列車在各種

　　條件下運行。