人工智慧使用的方法
㈠ 人工智慧的實現方法有哪些
人工智慧在計算機上實現時有2種不同的方式：
一種是採用傳統的編程技術，使系統呈現智能的效果，而不考慮所用方法是否與人或動物機體所用的方法相同。這種方法叫工程學方法(ENGINEERING APPROACH)，它已在一些領域內作出了成果，如文字識別、電腦下棋等。
另一種是模擬法(MODELING APPROACH)，它不僅要看效果，還要求實現方法也和人類或生物機體所用的方法相同或相類似。
遺傳演算法(GENERIC ALGORITHM，簡稱GA)和人工神經網路(ARTIFICIAL NEURAL NETWORK，簡稱ANN)均屬後一類型。遺傳演算法模擬人類或生物的遺傳-進化機制，人工神經網路則是模擬人類或動物大腦中神經細胞的活動方式。為了得到相同智能效果，兩種方式通常都可使用。採用前一種方法，需要人工詳細規定程序邏輯，如果游戲簡單，還是方便的。如果游戲復雜，角色數量和活動空間增加，相應的邏輯就會很復雜(按指數式增長)，人工編程就非常繁瑣，容易出錯。而一旦出錯，就必須修改原程序，重新編譯、調試，最後為用戶提供一個新的版本或提供一個新補丁，非常麻煩。採用後一種方法時，編程者要為每一角色設計一個智能系統(一個模塊)來進行控制，這個智能系統(模塊)開始什麼也不懂，就像初生嬰兒那樣，但它能夠學習，能漸漸地適應環境，應付各種復雜情況。這種系統開始也常犯錯誤，但它能吸取教訓，下一次運行時就可能改正，至少不會永遠錯下去，用不到發布新版本或打補丁。利用這種方法來實現人工智慧，要求編程者具有生物學的思考方法，入門難度大一點。但一旦入了門，就可得到廣泛應用。由於這種方法編程時無須對角色的活動規律做詳細規定，應用於復雜問題，通常會比前一種方法更省力。
㈡ 人工智慧方法有哪些
人工智慧這個裡面有很多方向的：問題求解，知識與推理，規劃，不確定性知識與推理，學習，通信，感知與行動，每一個部分都有很多人提出了不同的解決方案。
我認為在這裡面最重要的就是尋找答案的方法，其實就是搜索技術和資料庫技術，因為人工智慧就是為了幫助人們更快的解決問題，它包括兩方面：對於確定性東西的判斷和不確定性東西的判斷
這方面的技術主要有：
A*搜尋,啟發式演算法，貪食演算法，本地搜尋，遺傳演算法；
貝賽爾網路，卡曼濾波器，動態貝塞爾網路，語音識別；
如果想多了解的話，看看《人工智慧-----一種當代的方法》這本書的內容很全的
㈢ 人工智慧目前常用的知識表示方式有哪些
機器學習是人工智慧的另一重要課題。機器學習是指在一定的知識表示意義下獲取新知回識的過程，按照學習機答制的不同，主要有歸納學習、分析學習、連接機制學習和遺傳學習等。
知識處理系統主要由知識庫和推理機組成。知識庫存儲系統所需要的知識，當知識量較大而又有多種表示方法時，知識的合理組織與管理是重要的。推理機在問題求解時，規定使用知識的基本方法和策略，推理過程中為記錄結果或通信需設資料庫或採用黑板機制。如果在知識庫中存儲的是某一領域(如醫療診斷)的專家知識，則這樣的知識系統稱為專家系統。為適應復雜問題的求解需要，單一的專家系統向多主體的分布式人工智慧系統發展，這時知識共享、主體間的協作、矛盾的出現和處理將是研究的關鍵問題。
人工智慧是人類設計創造出來的，它們的存在無疑為人類現在和將來的生活工作效率等等都是很大的幫助，其實一種事物是否有害，是看用它的是什麼樣的人，出於什麼目的，要是用的得當，以為人類造福為福祉，那就是有利的。
㈣ 人工智慧是怎麼實現的
人工智慧在計算機上實現時有2種不同的方式。一種是採用傳統的編程技術，使系統呈現智能的效果，而不考慮所用方法是否與人或動物機體所用的方法相同。這種方法叫工程學方法（Engineering
approach），它已在一些領域內作出了成果，如文字識別、電腦下棋等。另一種是模擬法（Modeling
approach），它不僅要看效果，還要求實現方法也和人類或生物機體所用的方法相同或相類似。本書介紹的遺傳演算法（Generic
Algorithm，簡稱GA）和人工神經網路（Artificial Neural
Network，簡稱ANN）均屬後一類型。遺傳演算法模擬人類或生物的遺傳-進化機制，人工神經網路則是模擬人類或動物大腦中神經細胞的活動方式。為了得到相同智能效果，兩種方式通常都可使用。採用前一種方法，需要人工詳細規定程序邏輯，如果游戲簡單，還是方便的。如果游戲復雜，角色數量和活動空間增加，相應的邏輯就會很復雜（按指數式增長），人工編程就非常繁瑣，容易出錯。而一旦出錯，就必須修改原程序，重新編譯、調試，最後為用戶提供一個新的版本或提供一個新補丁，非常麻煩。採用後一種方法時，編程者要為每一角色設計一個智能系統（一個模塊）來進行控制，這個智能系統（模塊）開始什麼也不懂，就像初生嬰兒那樣，但它能夠學習，能漸漸地適應環境，應付各種復雜情況。這種系統開始也常犯錯誤，但它能吸取教訓，下一次運行時就可能改正，至少不會永遠錯下去，用不到發布新版本或打補丁。利用這種方法來實現人工智慧，要求編程者具有生物學的思考方法，入門難度大一點。但一旦入了門，就可得到廣泛應用。由於這種方法編程時無須對角色的活動規律做詳細規定，應用於復雜問題，通常會比前一種方法更省力。
㈤ 人工智慧的實現方法有哪些
人工智慧在計算機上實現時有2種不同的方式：
一種是採用傳統的編程技術，使系統呈現智能的效果，而不考慮所用方法是否與人或動物機體所用的方法相同。這種方法叫工程學方法（ENGINEERING APPROACH），它已在一些領域內作出了成果，如文字識別、電腦下棋等。
另一種是模擬法（MODELING APPROACH），它不僅要看效果，還要求實現方法也和人類或生物機體所用的方法相同或相類似。
遺傳演算法（GENERIC ALGORITHM，簡稱GA）和人工神經網路（ARTIFICIAL NEURAL NETWORK，簡稱ANN）均屬後一類型。遺傳演算法模擬人類或生物的遺傳-進化機制，人工神經網路則是模擬人類或動物大腦中神經細胞的活動方式。為了得到相同智能效果，兩種方式通常都可使用。採用前一種方法，需要人工詳細規定程序邏輯，如果游戲簡單，還是方便的。如果游戲復雜，角色數量和活動空間增加，相應的邏輯就會很復雜（按指數式增長），人工編程就非常繁瑣，容易出錯。而一旦出錯，就必須修改原程序，重新編譯、調試，最後為用戶提供一個新的版本或提供一個新補丁，非常麻煩。採用後一種方法時，編程者要為每一角色設計一個智能系統（一個模塊）來進行控制，這個智能系統（模塊）開始什麼也不懂，就像初生嬰兒那樣，但它能夠學習，能漸漸地適應環境，應付各種復雜情況。這種系統開始也常犯錯誤，但它能吸取教訓，下一次運行時就可能改正，至少不會永遠錯下去，用不到發布新版本或打補丁。利用這種方法來實現人工智慧，要求編程者具有生物學的思考方法，入門難度大一點。但一旦入了門，就可得到廣泛應用。由於這種方法編程時無須對角色的活動規律做詳細規定，應用於復雜問題，通常會比前一種方法更省力。
㈥ 人工智慧按職能的方式分為哪些
人工智慧按智能的方式分為：
1、弱人工智慧(TOP-DOWN AI)
弱人工智慧觀點認為不可能製造出能真正地推理（REASONING）和解決問題（PROBLEM_SOLVING）的智能機器，這些機器只不過看起來像是智能的，但是並不真正擁有智能，也不會有自主意識。
主流科研集中在弱人工智慧上，並且一般認為這一研究領域已經取得可觀的成就。強人工智慧的研究則處於停滯不前的狀態下。
2、強人工智慧(BOTTOM-UP AI)
強人工智慧觀點認為有可能製造出真正能推理（REASONING）和解決問題（PROBLEM_SOLVING）的智能機器，並且，這樣的機器能將被認為是有知覺的，有自我意識的。強人工智慧可以有兩類：
類人的人工智慧，即機器的思考和推理就像人的思維一樣。
非類人的人工智慧，即機器產生了和人完全不一樣的知覺和意識，使用和人完全不一樣的推理方式。
(6)人工智慧使用的方法擴展閱讀：
人工智慧影響：
（1）人工智慧對自然科學的影響。在需要使用數學計算機工具解決問題的學科，AI帶來的幫助不言而喻。更重要的是，AI反過來有助於人類最終認識自身智能的形成。
（2）人工智慧對經濟的影響。專家系統更深入各行各業，帶來巨大的宏觀效益。AI也促進了計算機工業網路工業的發展。但同時，也帶來了勞務就業問題。由於AI在科技和工程中的應用，能夠代替人類進行各種技術工作和腦力勞動，會造成社會結構的劇烈變化。
（3）人工智慧對社會的影響。AI也為人類文化生活提供了新的模式。現有的游戲將逐步發展為更高智能的互動式文化娛樂手段，今天，游戲中的人工智慧應用已經深入到各大游戲製造商的開發中。
伴隨著人工智慧和智能機器人的發展，不得不討論是人工智慧本身就是超前研究，需要用未來的眼光開展現代的科研，因此很可能觸及倫理底線。作為科學研究可能涉及到的敏感問題，需要針對可能產生的沖突及早預防，而不是等到問題矛盾到了不可解決的時候才去想辦法化解。