1. 国内外人工神经网络的研究现状

基于人工神经网络的土坝病害诊断知识获取方法
摘要：以土坝测压管水位异常诊断为实例，对反向传播(BP)神经网络进行训练，然后通过典型示例经网络计算生成显式的诊断规则，为专家系统诊断推理时直接调用。该方法是土坝病害诊断知识获取的一种新方法，是对传统知识获取方式的拓展和补充。

关键词：土坝；病害诊断；测压管异常；神经网络；知识获取

我国目前已修建各种类型水库8.6万余座（是世界水库最多的国家之一），大中型水闸7.6万座，河道堤防20多万公里。这些水利工程和设施所发挥的巨大作用和效益大大促进了社会和经济的发展。然而从另一方面还应看到，在已建的水利工程中尚存许多不安全因素，由于修建当时的经济、技术条件限制以及其它一些因素的影响，使很多工程存在病害或隐患，另外，由于长期受各种自然或人为因素影响，加之年久失修，管理跟不上，老化现象也很严重，很大程度上影响了工程正常运行和效益的发挥，有些工程因此而失事。仅就土石坝而，历年累积溃坝率就高达3.4%。因此如何准确、及时地诊断出建筑物的隐患和病害，并对建筑物的安全性做出合理科学的评价意义十分重大。是当前水利工程管理中亟待解决的一项重要课题。水工建筑物的病害诊断是一项非常复杂的工作，需要有丰富经验的专家才能胜任。解决上述问题的一个好的办法是在做好监测的基础上，把专家经验、人工智能（AI）技术、计算机应用技术以及数值分析计算等有机结合起来，建造专家系统（Expert System简称：ES）。而专家系统开发中最关键的“瓶颈”问题就是知识获取，它既包括知识的体系结构、内容等难于获取，也包括推理规则中的推理参数（如可信度）难以确定等。笔者以土坝为研究对象开发了具有学习功能的土坝病害诊断专家系统ESLEDFDS[1,2]，在系统开发中为解决知识获取问题，采取了传统的访谈（Interview）式的知识获取与从病害工程实例中抽取知识（事例学习）相结合的形式。实践证明该形式效果良好。论文将以土坝测压管水位异常诊断知识的获取为例，介绍一种基于人工神经网络事例学习的土坝病害诊断知识的获取方法。

1 知识源分析及知识获取方法的选择

土坝病害诊断的知识源主要有3个：（1）坝工诊断专家。大量的经验性知识存在于专家的大脑中，具有专有性和潜在性等特点。有时连专家本人也不容易系统地总结、归纳自己的知识，而且不易做出解释。这也就决定了它的难于获取，但它是ES知识的主要来源。（2）相关文献资料。文献资料作为一种信息载体，包含了大量理论和经验知识。其特点是量大、分散。而且，由于不同的文献来源于不同的著者，对同一问题的看法和分析结果可能有所差异，甚至相悖，所以有助于消除单个专家知识的片面性。但从大量分散的文献中抽取ES知识库所需的知识和方法，需经反复分析比较。（3）实例。一般情况下，专家头脑中知识的存储往往是片断的、非系统的，以访谈的形式，让专家叙述自己的知识时，一个个片断很难一下子系统地组织起来。而一旦真正面对实际问题（实例）坝工诊断专家却能够作很好的分析，说明这种刺激能使专家自觉或不自觉地去组织自己的知识。所以，同专家一同分析实例，可以了解专家的推理过程及所用知识，同时，经过专家分析的工程实例中蕴涵了专家的经验知识和推理判断，并且大多实例分析结果的正确与否已经得到实际验证。因此，实例是一种非常重要的知识源，可以通过一些模型、方法对实例进行学习，提炼出蕴涵在实例中的诊断知识。

笔者在ESLEDFDS的知识获取中综合利用了以上3种知识源。通过走访专家、同专家一起分析文献资料，把诊断知识整理成一条条规则，存储于外部知识库中。此外，为补充专家经验知识的不足，还对收集的80余例土坝病害实例，应用人工神经元网络进行了事例学习和新规则生成。
......

2. 在人工智能和机器学习领域中国和国外存在哪些差距有多大

高校建立的实验室与大公司有所不同，其研究项目除了偏应用科学的领域，还有一些属回于基础理答论研究的项目，是无法从具体的产品上表现的，通常高校实验室会同时进行两种领域的研究甚至侧重后者，考虑到高校在学术界的地位，人们在关注实验室研究内容的时候除了关注它的产品，同时也应该注意其在基础研究领域的水平。
麻省理工学院
MIT的人工智能实验室全称叫CSAIL (ComputerScience and Artificial Intelligence Laboratory)。最初，这是两个实验室：计算机实验室创办于1963年，人工智能实验室创办于1959年，两个实验室在2003年正式合并。
CSAIL是MIT最大的实验室，也是世界上最重要的信息技术研发中心。CSAIL的成员创立了多于100家知名公司 ，包括机器人之父科林·安格尔，iRobot公司创始人之一海伦·格雷纳，波士顿动力公司创始人马克·雷伯特，还有卡内基·梅隆大学机器人研究所的负责人马特·梅森。
MIT也几乎是顶尖技术的代名词。它在去年底发布了2015年CSAIL的主要创新，包含3D打印心脏，可以爬楼梯、开门甚至驾车的机器人，癌症预测工具等。

3. 人工智能和量子技术在国内外发展现状如何

目前人工智能和量子科技在国内外的发展都算是如火如荼，其中，中国对于量子论的钻研更深入一些；而海外的知名科技龙头企业谷歌公司，对人工智能领域的成就是有目共睹的。未来，我们或许就会用这两大法宝，彻底改变科技时代，打开另一个天地的大门。

我们都知道，时至今日，人类已经在现代科学的道路上取得了无数成就和突破，物理学，生物学，医学上的进步，都是无有时歇，有目共睹。同时，前沿科学界最热门的两大领域，莫过于人工智能和量子力学了；

因此，可以说，这两大方向，都是我们未来的康庄大道。

4. 现今人工智能，机器学习领域研究的困难主要有哪些

人工智能学习领域的困难关键是人工智能欲望的预制。
需要与机主欲望一致。
而欲望预制的核心是对人工智能注意力运行模式的设计。
人工智能设备的关注内容必须符合机主的关注内容。

注意力运行模式的中心问题是，预制目标的现行摄取。
例如动用现有装备，主动摄取输入信息的智能设备自决权利的设计。
以智能手环为例，手环必须拥有启动拍摄权，启动联网权，启动存储等权利。

要完美地满足上述要求及其它必须要求，最核心技术是，
全部设备一体化理论及设计方案。

5. 美国,日本，欧洲，中国的机器人研究策略与现状

工作精准方面，德国的工业机器人最发达，现代工场使用的，加工，焊接维修专等工作机器人都是德属国起的步。

真正搞两手两脚，蹦蹦跳跳的机器人只有日本人在搞（欧美也有，都是私人兴趣的，官方的少，中国农民也搞过），是本田老板当年钱多烧的搞着玩的，没有实际意义，你不要高达看多了，真以为拟人机器人有啥实际用处。

真正的机器人都是用于：
1工业生产：有效率的，不知疲劳的装配机器人
2危险环境机器人： 倒倒核废料啥的，排除地雷啥的
3探索机器人： 在火星，月球上来回跑的小车

人工智能方面完全没有突破，现在最高级的人工智能也就是能下象棋，或陪你打魔兽。你要是搞出来能学习，能靠自己意识说话的人工智能，你可以给诺贝尔颁奖了。

6. 目前，国内外人工智能差距有多大深度学习的快速发展是否会短期遇到瓶颈

技术差距并不大，差距在于t应用，再高的智能也不如人，我们的人这么多，能用人的基本就不用人工智能了

7. 人工智能发展现状和趋势如何

人工智能的发展现状处于成长期，由于相关人才的数量比较少，人工智能的人才市场处于空缺，出现了供不应求的状况。加之国家发布相关政策促进人工智能的发展；一些省份也比较重视人工智能的发展