數控技術畢業論文

轉眼間大學生活即將結束，大家都知道畢業生要通過最後的畢業論文，畢業論文是一種比較正規的、有準備的檢驗學生學習成果的形式，那要怎麼寫好畢業論文呢？以下是小編為大家收集的數控技術畢業論文，歡迎大家借鑑與參考，希望對大家有所幫助。

數控技術畢業論文 篇1

1.數控編程與其發展

數控編程是目前CAD/CAPP/CAM系統中最能明顯發揮效益的環節之一，其在實現設計加工自動化、提高加工精度和加工質量、縮短產品研製週期等方面發揮着重要作用。在諸如航空工業、汽車工業等領域有着大量的應用。由於生產實際的強烈需求，國內外都對數控編程技術進行了廣泛的研究，並取得了豐碩成果。下面就對數控編程及其發展作一些介紹。

1.1數控編程的基本概念

 數控編程是從零件圖紙到獲得數控加工程序的全過程。它的主要任務是計算加工走刀中的刀位點(cutterlocationpoint簡稱CL點)。刀位點一般取為刀具軸線與刀具表面的交點，多軸加工中還要給出刀軸向量。

1.2數控編程技術的發展概況

為了解決數控加工中的程序編制問題，50年代，MIT設計了一種專門用於機械零件數控加工程序編制的語言，稱為APT(AutomaticallyProgrammedTool)。其後，APT幾經發展，形成了諸如APTII、APTIII、APT(算法改進，增加多座標曲面加工編程功能) APTAC(Advancedcontouring),APT/SS(SculpturedSurface)等先進版。

採用APT語言編制數控程序具有程序簡煉，走刀控制靈活等優點，使數控加工編程從面向機牀指令的“彙編語言”級，上升到面向幾何元素仍有許多不便之處：採用語言定義零件幾何形狀，難以描述複雜的幾何形狀，缺乏幾何直觀性;缺少對零件形狀、刀具運動軌跡的直觀圖形顯示和刀具軌跡的驗證手段;難以和CAD數據庫和CAPP系統有效連接;不容易作到高度的自動化，集成化。

針對APT語言的缺點，1978年，法國達索飛機公司開始開發集三維設計、分析、NC加工一體化的系統，稱為為CATIA。隨後很快出現了象EUCLID，UGII，INTERGRAPH，Pro/Engineering，MasterCAM及NPU/GNCP等系統，這些系統都有效的解決了幾何造型、零件幾何形狀的顯示，交互設計、修改及刀具軌跡生成，走刀過程的仿真顯示、驗證等問題，推動了CAD和CAM向一體化方向發展。

到了80年代，在CAD/CAM一體化概念的基礎上，逐步形成了計算機集成製造系統(CIMS)及並行工程(CE)的概念。目前，為了適應CIMS及CE發展的需要，數控編程系統正向集成化和智能化方向發展。

在集成化方面，以開發STEP(StandardfortheExchangeofProductModelData)標準的參數化特徵造型系統為主，目前已進行了大量卓有成效的工作，是國內外開發的熱點;在智能化方面，工作剛剛開始，還有待我們去努力INA 開式衝壓滾針軸承 HN2020 FAG 止推軸承座 BND3234-H-C-T-AF-S TSPW25- INA液壓桿端軸承 GIHRK80-DO QJ244-N2-MPA-C3 FAG 止推軸承座BND3080-Z-T-BL-S KWE15-G3-V4 NUP312-E-TVP2 FAG 球面滾子軸承22214-E1 INA 滾針和保持架組件 K40X45X13 中國機械工程市場上海世邦機器超前發展模式帶動礦山行業新走向機械工程城鎮中國投資推動多點支持工程機械再迎發展良機東盟我市印尼廈門廈工全系列產品赴印尼參展劍指東盟市場瑞安市公司零部件瑞安中建零部件通過ISO/TS16949:2009體系認證機牀瀋陽中國企業瀋陽機牀真相：一場深刻的變革已在內部醖釀今年鋼材新產品目標龍工首季產品銷量全面急增 漲價逾2%缸體柱塞磨損間隙汽車起重機用75泵的修復瀝青磨削工藝磨盤剪切機和磨機在改性瀝青成套設備中的應用.

2.人工智能的發展和應用

近年來，隨着計算機技術的迅猛發展和日益廣泛的應用，自然地會提出人類智力活動能不能由計算機來實現的問題。幾十年來，人們一向把計算機當作是隻能以極快地、熟練地、準確地運算數字的機器。

但是在當今世界要解決的問題並不完全是數值計算，像語言的理解和翻譯、圖形和聲音的識別、決策管理等都不屬於數值計算，特別像醫療診斷要有專門的特有的經驗和知識的醫師才能作出正確的診斷。這就要求計算機能從“數據處理”擴展到還能“知識處理”的範疇。計算機能力範疇的轉化是導至“人工智能”快速發展的重要因素。

2.1人工智能的定義

著名的美國斯坦福大學人工智能研究中心尼爾遜教授對人工智能下了這樣一個定義：“人工智能是關於知識的學科――怎樣表示知識以及怎樣獲得知識並使用知識的科學。”而另一個美國麻省理工學院的温斯頓教授認為：“人工智能就是研究如何使計算機去做過去只有人才能做的智能工作。”

這些説法反映了人工智能學科的基本思想和基本內容。即人工智能是研究人類智能活動的規律，構造具有一定智能的人工系統，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術。

人工智能(Artificial Intelligence，簡稱AI)是計算機學科的一個分支，二十世紀七十年代以來被稱為世界三大尖端技術之一(空間技術、能源技術、人工智能)。也被認為是二十一世紀(基因工程、納米科學、人工智能)三大尖端技術之一。這是因為近三十年來它獲得了迅速的發展，在很多學科領域都獲得了廣泛應用，並取得了豐碩的成果，人工智能已逐步成為一個獨立的分支，無論在理論和實踐上都已自成一個系統。

人工智能是研究使計算機來模擬人的某些思維過程和智能行為(如學習、推理、思考、規劃等)的學科，主要包括計算機實現智能的原理、製造類似於人腦智能的計算機，使計算機能實現更高層次的應用。人工智能將涉及到計算機科學、心理學、哲學和語言學等學科。

可以説幾乎是自然科學和社會科學的所有學科，其範圍已遠遠超出了計算機科學的範疇，人工智能與思維科學的關係是實踐和理論的關係，人工智能是處於思維科學的技術應用層次，是它的一個應用分支。從思維觀點看，人工智能不僅限於邏輯思維，要考慮形象思維、靈感思維才能促進人工智能的突破性的發展，數學常被認為是多種學科的基礎科學，數學也進入語言、思維領域，人工智能學科也必須借用數學工具，數學不僅在標準邏輯、模糊數學等範圍發揮作用，數學進入人工智能學科，它們將互相促進而更快地發展。從實用觀點來看，人工智能是一門知識工程學：以知識為對象，研究知識的獲取、知識的表示方法和知識的使用。

2.2計算機與智能

通常我們用計算機，不僅要告訴計算機，要做什麼，還必須詳細地、正確地告訴計算機怎麼做。也就是説，人們要根據任務的要求，以適當的計算機語言，編制針對該任務的應用程序，才能應用計算機完成此項任務。這樣實際上是在人完全控制計算機完成的，是談不上計算機有“智能”。

大家都知道，世界國際象棋棋王卡斯帕羅夫與美國IBM公司的RS/6000(深藍)計算機系統於1997年5月11日進行了六局“人機大戰”，結果“深藍”以3.5比2.5的總比分獲勝。比賽結束了給人們留下了深刻的思考;下棋要獲勝要求選手要有很強的思維能力、記憶能力、豐富的下棋經驗，還得及時作出反映，迅速進行有效的處理，否則一着出錯滿皆輸，這顯然是個“智能”問題。

儘管開發“深藍”計算機的IBM專家也認為它離智能計算機還相差甚遠，但它以高速的並行的計算能力(2r108步/秒棋的計算速度)。實現了人類智力的計算機上的部分模擬。從字面上看，“人工智能”就是用人工的方法在計算機上實現人的智能，或者説是人們使計算機具有類似於人的智能。

2.3智能與知識

在20世紀70年代以後，在許多國家都相繼開展了人工智能的研究，由於當時對實現機器智能理解得過於容易和片面，認為只要一些推理的定律加上強大的計算機就能有專家的水平和超人的能力。

這樣，雖然也獲得一定成果，但問題也跟着出現了，例如機器翻譯當時人們往往認為只要用一部雙向詞典及詞法知識，就能實現兩種語言文字的互譯，其實完全不是這麼一回事，例如，把英語句子“Time flies like an arrow”(光陰似箭)翻譯成日語，然後再譯回英語，竟然成為“蒼蠅喜歡箭”;當把英語“The spirit is willing but the flesh is weak”(心有餘而力不足)譯成俄語後，再譯回來竟變成“The wine is good but the meat is spoiled”(酒是好的但肉已變質)。

在其它方面也都遇到這樣或者那樣的困難。這時，本來對人工智能抱懷疑態度的人提出指責，甚至把人工智能説成是“騙局”、“庸人自擾”，有些國家還削減人工智能的研究經費，一時人工智能的研究進入了低潮。

然而，人工智能研究的先驅者們沒有放棄，而是經過認真的反思、總結經驗和教訓，認識到人的智能表現在人能學習知識，有了知識，能瞭解、運用已有的知識。正向思維科學所説“智能的核心是思維，人的一切智慧或智能都來自大腦思維活動，人類的一切知識都是人們思維的產物。”“一個系統之所以有智能是因為它具有可運用的知識。”

要讓計算機“聰明”起來，首先要解決計算機如何學會一些必要知識，以及如何運用學到的知識問題。只是對一般事物的思維規律進行探索是不可能解決較高層次問題的。人工智能研究的開展應當改變為以知識為中心來進行。

自從人工智能轉向以知識為中心進行研究以來，以專家知識為基礎開發的專家系統在許多領域裏獲得成功，例如：地礦勘探專家系統(PROSPECTOR)擁有15種礦藏知識，能根據巖石標本及地質勘探數據對礦產資源進行估計和預測，能對礦牀分佈、儲藏量、品位、開採價值等進行推斷，制定合理的開採方案，成功地找到了超億美元的鉬礦。

又如專家系統(MYCIN)能識別51種病菌，正確使用23種抗菌素，可協助醫生診斷、治療細菌感染性血液病，為患者提供最佳處方，成功地處理了數百個病例。

它還通過以下的測試：在互相隔離的情況下，用MYCIN系統和九位斯坦福大學醫學院醫生，分別對十名不清楚感染源的患者進行診斷和處方，由八位專家進行評判，結果是MYCIN和三位醫生所開出的處方對症有效;而在是否對其它可能的病原體也有效而且用藥又不過量方面，MYCIN則勝過了九位醫生。顯示出較高的水平。

專家系統的成功，充分表明知識是智能的基礎，人工智能的研究必須以知識為中心來進行。由於知識的表示、利用、獲取等的研究都取得較大的進展。因而，人工智能的研究得以解決了許多理論和技術上問題。

2.4人工智能研究的目標

1950年英國數學家圖靈(ng,1912—1954)發表了”計算機與智能”的論文中提出著名的“圖靈測試”，形象地提出人工智能應該達到的智能標準;圖靈在這篇論文中認為“不要問一個機器是否能思維，而是要看它能否通過以下的測試;讓人和機器分別位於兩個房間，他們只可通話，不能互相看見。

通過對話，如果人的一方不能區分對方是人還是機器，那麼就可以認為那台機器達到了人類智能的水平。圖靈為此特地設計了被稱為“圖靈夢想”的對話。在這段對話中“詢問者”代表人，“智者”代表機器，並且假定他們都讀過狄更斯(ens)的著名小説《匹克威克外傳》，對話內容如下：

詢問者：在14行詩的首行是“你如同夏日”，你不覺得“春日”更好嗎?智者：它不合韻。

詢問者：“冬日”如何?它可完全合韻的。

智者：它確是合韻，但沒有人願意被比作“冬日”。

詢問者：你不是説過匹克威克先生讓你想起聖誕節嗎?

智者：是的。

詢問者：聖誕節是冬天的一個日子，我想匹克威克先生對這個比喻不會介意吧。智者：我認為您不夠嚴謹，“冬日”指的是一般冬天的日子，而不是某個特別的日子，如聖誕節。

從上面的對話可以看出，能滿足這樣的要求，要求計算機不僅能模擬而且可以延伸、擴展人的智能，達到甚至超過人類智能的水平，在目前是難以達到的，它是人工智能研究的根本目標。

人工智能研究的近期目標;是使現有的計算機不僅能做一般的數值計算及非數值信息的數據處理，而且能運用知識處理問題，能模擬人類的部分智能行為。按照這一目標，根據現行的計算機的特點研究實現智能的有關理論、技術和方法，建立相應的智能系統。例如目前研究開發的專家系統，機器翻譯系統、模式識別系統、機器學習系統、機器人等。

2.5人工智能的研究領域

目前，人工智能的研究是與具體領域相結合進行的。基本上有如下領域;專家系統,專家系統是依靠人類專家已有的知識建立起來的知識系統，目前專家系統是人工智能研究中開展較早、最活躍、成效最多的領域，廣泛應用於醫療診斷、地質勘探、石油化工、軍事、文化教育等各方面。它是在特定的領域內具有相應的知識和經驗的程序系統，它應用人工智能技術、模擬人類專家解決問題時的思維過程，來求解領域內的各種問題，達到或接近專家的水平。

2.6機器學習

要使計算機具有知識一般有兩種方法;一種是由知識工程師將有關的知識歸納、整理，並且表示為計算機可以接受、處理的方式輸入計算機。另一種是使計算機本身有獲得知識的能力，它可以學習人類已有的知識，並且在實踐過程中不總結、完善，這種方式稱為機器學習。

機器學習的研究，主要在以下三個方面進行：一是研究人類學習的機理、人腦思維的過程;和機器學習的方法;以及建立針對具體任務的學習系統。

機器學習的研究是在信息科學、腦科學、神經心理學、邏輯學、模糊數學等多種學科基礎上的。依賴於這些學科而共同發展。目前已經取得很大的進展，但還沒有能完全解決問題。

2.7模式識別

模式識別是研究如何使機器具有感知能力，主要研究視覺模式和聽覺模式的識別。如識別物體、地形、圖象、字體(如簽字)等。在日常生活各方面以及軍事上都有廣大的用途。近年來迅速發展起來應用模糊數學模式、人工神經網絡模式的方法逐漸取代傳統的用統計模式和結構模式的識別方法。特別神經網絡方法在模式識別中取得較大進展。

2.8理解自然語言

計算機如能“聽懂”人的語言(如漢語、英語等)，便可以直接用口語操作計算機，這將給人們帶極大的便利。計算機理解自然語言的研究有以下三個目標：一是計算機能正確理解人類的自然語言輸入的信息，並能正確答覆(或響應)輸入的信息。二是計算機對輸入的信息能產生相應的摘要，而且複述輸入的內容。三是計算機能把輸入的自然語言翻譯成要求的另一種語言，如將漢語譯成英語或將英語譯成漢語等。目前，研究計算機進行文字或語言的自動翻譯，人們作了大量的嘗試，還沒有找到最佳的方法，有待於更進一步深入探索。

2.9機器人學

機器人是一種能模擬人的行為的機械，對它的研究經歷了三代的發展過程：第一代(程序控制)機器人：這種機器人一般是按以下二種方式“學會”工作的;一種是由設計師預先按工作流程編寫好程序存貯在機器人的內部存儲器，在程序控制下工作。另一種是被稱為“示教—再現”方式，這種方式是在機器人第一次執行任務之前，由技術人員引導機器人操作，機器人將整個操作過程一步一步地記錄下來，每一步操作都表示為指令。示教結束後，機器人按指令順序完成工作(即再現)。如任務或環境有了改變，要重新進行程序設計。這種機器人能盡心盡責的在機牀、熔爐、焊機、生產線上工作。日前商品化、實用化的機器人大都屬於這一類。

這種機器人最大的缺點是它只能刻板地按程序完成工作，環境稍有變化(如加工物品略有傾斜)就會出問題，甚至發生危險，這是由於它沒有感覺功能，在日本曾發生過機器人把現場的一個工人抓起來塞到刀具下面的情況。

第二代(自適應)機器人：這種機器人配備有相應的感覺傳感器(如視覺、聽覺、觸覺傳感器等)，能取得作業環境、操作對象等簡單的信息，並由機器人體內的計算機進行分析、處理，控制機器人的動作。雖然第二代機器人具有一些初級的智能，但還需要技術人員協調工作。目前已經有了一些商品化的產品。

第三代(智能)機器人：智能機器人具有類似於人的智能，它裝備了高靈敏度的傳感器，因而具有超過一般人的視覺、聽覺、嗅覺、觸覺的能力，能對感知的信息進行分析，控制自己的行為，處理環境發生的變化，完成交給的各種複雜、困難的任務。而且有自我學習、歸納、總結、提高已掌握知識的能力。目前研製的智能機器人大都只具有部分的智能，和真正的意義上的智能機器人，還差得很遠。

2.10智能決策支持系統

決策支持系統是屬於管理科學的範疇，它與“知識—智能”有着極其密切的關係。在80年代以來專家系統在許多方面取得成功，將人工智能中特別是智能和知識處理技術應用於決策支持系統，擴大了決策支持系統的應用範圍，提高了系統解決問題的能力，這就成為智能決策支持系統。

2.11人工神經網絡

人工神經網絡是在研究人腦的奧祕中得到啟發，試圖用大量的處理單元(人工神經元、處理元件、電子元件等)模仿人腦神經系統工程結構和工作機理。在人工神經網絡中，信息的處理是由神經元之間的相互作用來實現的，知識與信息的存儲表現為網絡元件互連間分佈式的物理聯繫，網絡的學習和識別取決於和神經元連接權值的動態演化過程。

多年來，人工神經網絡的研究取得了較大的進展，成為具有一種獨特風格的信息處理學科。當然目前的研究還只是一些簡單的人工神經網絡模型。要建立起一套完整的理論和技術系統，需要作出更多努力和探討。然而人工神經網絡已經成為人工智能中極其重要的一個研究領域。

3.全文總結

人類經過五千的發展進入了基於知識的“知識經濟”。人類社會空前地高速發展。知識是智能的基礎，知識只有轉化為智能才能發揮作用，知識無限的積累，智能也就將在人類社會起越來越大的作用，更有人提出：知識經濟的進一步發展將是“智能經濟”。

“智能經濟”是基於“廣義智能”的經濟，“廣義智能”包含：人的智能、人工智能以及人和智能機器相結合的“集成智能”。可以想象基於廣義智能的“智能經濟”將比基於知識的“知識經濟”將具有更高的智能水平，更高更快發展速度。

數控技術畢業論文 篇2

1.數控編程與其展開

數控編程是現在CAD/CAPP/CAM體系中最能明顯發揮效益的環節之一，其在完結規劃加工自動化、進步加工精度和加工質量、縮短產品研發週期等方面發揮着重要作用。在比如航空工業、轎車工業等範疇有着很多的運用。因為出產實際的強烈需求，國內外都對數控編程技能進行了廣泛的研討，並獲得了豐盛效果。下面就對數控編程及其展開作一些介紹。

1.1數控編程的根本概念 

數控編程是從零件圖紙到獲得數控加工程序的全進程。它的首要使命是核算加工走刀中的刀位點(cutterlocationpoint簡稱CL點)。刀位點一般取為刀具軸線與刀具外表的交點，多軸加工中還要給出刀軸向量。

1.2數控編程技能的展開概況

為了處理數控加工中的程序編制問題，50年代，MIT規劃了一種專門用於機械零件數控加工程序編制的言語，稱為APT(AutomaticallyProgrammedTool)。其後，APT幾經展開，形成了比如APTII、APTIII、APT(算法改善，增加多座標曲面加工編程功用) APTAC(Advancedcontouring),APT/SS(SculpturedSurface)等先進版。

採用APT言語編制數控程序具有程序簡煉，走刀操控靈活等長處，使數控加工編程從面向機牀指令的“彙編言語”級，上升到面向幾許元素仍有許多不方便之處：採用言語界説零件幾許形狀，難以描述雜亂的幾許形狀，短少幾許直觀性;短少對零件形狀、刀具運動軌道的直觀圖形顯現和刀具軌道的驗證手法;難以和CAD數據庫和CAPP體系有用銜接;不簡略作到高度的自動化，集成化。

針對APT言語的缺點，1978年，法國達索飛機公司開端開發集三維規劃、剖析、NC加工一體化的體系，稱為為CATIA。隨後很快呈現了象EUCLID，UGII，INTERGRAPH，Pro/Engineering，MasterCAM及NPU/GNCP等體系，這些體系都有用的處理了幾許造型、零件幾許形狀的顯現，交互規劃、修正及刀具軌道生成，走刀進程的仿真顯現、驗證等問題，推動了CAD和CAM向一體化方向展開。

到了80年代，在CAD/CAM一體化概念的根底上，逐步形成了核算機集成製作體系(CIMS)及並行工程(CE)的概念。現在，為了習慣CIMS及CE展開的需要，數控編程體系正向集成化和智能化方向展開。

在集成化方面，以開發STEP(StandardfortheExchangeofProductModelData)規範的參數化特徵造型體系為主，現在已進行了很多行之有用的作業，是國內外開發的熱門;在智能化方面，作業剛剛開端，還有待咱們去盡力INA開式衝壓滾針軸承HN2020 FAG止推軸承座BND3234-H-C-T-AF-STSPW25-INA液壓桿端軸承GIHRK80-DO QJ244-N2-MPA-C3 FAG止推軸承座BND3080-Z-T-BL-S KWE15-G3-V4 NUP312-E-TVP2 FAG 球面滾子軸承22214-E1 INA 滾針和保持架組件K40X45X13我國機械工程商場上海世邦機器超前展開形式帶動礦山行業新走向機械工程鄉鎮我國投資推動多點支撐工程機械再迎展開良機東盟我市印尼廈門廈工全系列產品赴印尼參展劍指東盟商場瑞安市公司零部件瑞安中建零部件通過ISO/TS16949:2009體系認證機牀瀋陽我國企業瀋陽機牀本相：一場深入的革新已在內部醖釀今年鋼材新產品方針龍工首季產品銷量全面急增漲價逾2%缸體柱塞磨損間隙轎車起重機用75泵的修正瀝青磨削工藝磨盤剪切機和磨機在改性瀝青成套設備中的運用.

2.人工智能的展開和運用

近年來，跟着核算機技能的迅猛展開和日益廣泛的運用，自然地會提出人類智力活動能不能由核算機來完結的問題。幾十年來，人們一貫把核算機當作是隻能以極快地、熟練地、精確地運算數字的機器。

但是在當今國際要處理的問題並不徹底是數值核算，像言語的瞭解和翻譯、圖形和聲音的辨認、決議計劃管理等都不屬於數值核算，特別像醫療確診要有專門的特有的閲歷和常識的醫師才能作出正確的確診。這就要求核算機能從“數據處理”擴展到還能“常識處理”的範疇。核算機才能範疇的轉化是導至“人工智能”快速展開的重要因素。

2.1人工智能的界説

聞名的美國斯坦福大學人工智能研討中心尼爾遜教授對人工智能下了這樣一個界説：“人工智能是關於常識的學科――怎樣表明常識以及怎樣獲得常識並運用常識的科學。”而另一個美國麻省理工學院的温斯頓教授以為：“人工智能就是研討怎麼使核算機去做曩昔只有人才能做的智能作業。”

這些説法反映了人工智能學科的根本思想和根本內容。即人工智能是研討人類智能活動的規則，構造具有必定智能的人工體系，研討怎麼讓核算機去完結以往需要人的智力才能擔任的作業，也就是研討怎麼運用核算機的軟硬件來仿照人類某些智能行為的根本理論、辦法和技能。

人工智能(Artificial Intelligence，簡稱AI)是核算機學科的一個分支，二十世紀七十年代以來被稱為國際三大尖端技能之一(空間技能、能源技能、人工智能)。也被以為是二十一世紀(基因工程、納米科學、人工智能)三大尖端技能之一。這是因為近三十年來它獲得了敏捷的展開，在很多學科範疇都獲得了廣泛運用，並獲得了豐盛的效果，人工智能已逐步成為一個獨立的分支，無論在理論和實踐上都已自成一個體系。

人工智能是研討使核算機來仿照人的某些思想進程和智能行為(如學習、推理、思考、規劃等)的學科，首要包括核算機完結智能的原理、製作類似於人腦智能的核算機，使核算機能完結更高層次的運用。人工智能將涉及到核算機科學、心理學、哲學和言語學等學科。

能夠説幾乎是自然科學和社會科學的所有學科，其規模已遠遠超出了核算機科學的範疇，人工智能與思想科學的聯絡是實踐和理論的聯絡，人工智能是處於思想科學的技能運用層次，是它的一個運用分支。從思想觀念看，人工智能不只限於邏輯思想，要考慮形象思想、創意思想才能促進人工智能的突破性的展開，數學常被以為是多種學科的根底科學，數學也進入言語、思想範疇，人工智能學科也有必要借用數學東西，數學不只在規範邏輯、模糊數學等規模發揮作用，數學進入人工智能學科，它們將相互促進而更快地展開。從實用觀念來看，人工智能是一門常識工程學：以常識為方針，研討常識的獲取、常識的表明辦法和常識的運用。

2.2核算機與智能

一般咱們用核算機，不只需告訴核算機，要做什麼，還有必要詳細地、正確地告訴核算機怎麼做。也就是説，人們要根據使命的要求，以適當的核算機言語，編制針對該使命的運用程序，才能運用核算機完結此項使命。這樣實際上是在人徹底操控核算機完結的，是談不上核算機有“智能”。

我們都知道，國際國際象棋棋王卡斯帕羅夫與美國IBM公司的RS/6000(深藍)核算機體系於1997年5月11日進行了六局“人機大戰”，結果“深藍”以3.5比2.5的總比分取勝。競賽完畢了給人們留下了深入的思考;下棋要取勝要求選手要有很強的思想才能、記憶才能、豐富的下棋閲歷，還得及時作出反映，敏捷進行有用的處理，否則一着出錯滿皆輸，這顯然是個“智能”問題。

儘管開發“深藍”核算機的IBM專家也以為它離智能核算機還相差甚遠，但它以高速的並行的核算才能(2r108步/秒棋的核算速度)。完結了人類智力的核算機上的部分仿照。從字面上看，“人工智能”就是用人工的辦法在核算機上完結人的智能，或許説是人們使核算機具有類似於人的智能。

2.3智能與常識

在20世紀70年代今後，在許多國家都相繼展開了人工智能的研討，因為其時對完結機器智能瞭解得過於簡略和片面，以為只需一些推理的規律加上強大的核算機就能有專家的`水平緩超人的才能。

這樣，儘管也獲得必定效果，但問題也跟着呈現了，例如機器翻譯其時人們往往以為只需用一部雙向詞典及詞法常識，就能完結兩種言語文字的互譯，其實徹底不是這麼一回事，例如，把英語句子“Time flies like an arrow”(日月如梭)翻譯成日語，然後再譯回英語，居然成為“蒼蠅喜愛箭”;當把英語“The spirit is willing but the flesh is weak”(心有餘而力不足)譯成俄語後，再譯回來竟變成“The wine is good but the meat is spoiled”(酒是好的但肉已蜕變)。

在其它方面也都遇到這樣或許那樣的困難。這時，本來對人工智能抱懷疑態度的人提出責備，甚至把人工智能説成是“騙局”、“庸人自擾”，有些國家還削減人工智能的研討經費，一時人工智能的研討進入了低落。

然而，人工智能研討的先驅者們沒有放棄，而是通過認真的反思、總結閲歷和經驗，認識到人的智能表現在人能學習常識，有了常識，能瞭解、運用已有的常識。正向思想科學所説“智能的核心是思想，人的全部智慧或智能都來自大腦思想活動，人類的全部常識都是人們思想的產物。”“一個體系之所以有智能是因為它具有可運用的常識。”

要讓核算機“聰明”起來，首先要處理核算機怎麼學會一些必要常識，以及怎麼運用學到的常識問題。僅僅對一般事物的思想規則進行探索是不可能處理較高層次問題的。人工智能研討的展開應當改動為以常識為中心來進行。

自從人工智能轉向以常識為中心進行研討以來，以專家常識為根底開發的專家體系在許多範疇裏獲得成功，例如：地礦勘探專家體系(PROSPECTOR)擁有15種礦產常識，能根據巖石標本及地質勘探數據對礦產資源進行估量和猜測，能對礦牀分佈、儲藏量、品位、挖掘價值等進行揣度，擬定合理的挖掘計劃，成功地找到了超億美元的鉬礦。

又如專家體系(MYCIN)能辨認51種病菌，正確運用23種抗菌素，可幫忙醫師確診、治療細菌感染性血液病，為患者供給最佳處方，成功地處理了數百個病例。

它還通過以下的測驗：在相互阻隔的情況下，用MYCIN體系和九位斯坦福大學醫學院醫師，分別對十名不清楚感染源的患者進行確診和處方，由八位專家進行評判，結果是MYCIN和三位醫師所開出的處方對症有用;而在是否對其它可能的病原體也有用並且用藥又不過量方面，MYCIN則勝過了九位醫師。顯現出較高的水平。

專家體系的成功，充分表明常識是智能的根底，人工智能的研討有必要以常識為中心來進行。因為常識的表明、使用、獲取等的研討都獲得較大的開展。因此，人工智能的研討得以處理了許多理論和技能上問題。

2.4人工智能研討的方針

1950年英國數學家圖靈(ng,1912—1954)發表了”核算機與智能”的論文中提出聞名的“圖靈測驗”，形象地提出人工智能應該到達的智能規範;圖靈在這篇論文中以為“不要問一個機器是否能思想，而是要看它能否通過以下的測驗;讓人和機器分別位於兩個房間，他們只可通話，不能相互看見。

通過對話，假如人的一方不能區別對方是人仍是機器，那麼就能夠以為那台機器到達了人類智能的水平。圖靈為此特地規劃了被稱為“圖靈夢想”的對話。在這段對話中“詢問者”代表人，“智者”代表機器，並且假定他們都讀過狄更斯(ens)的聞名小説《匹克威克別傳》，對話內容如下：

詢問者：在14行詩的首行是“你好像夏日”，你不覺得“春日”更好嗎?智者：它不合韻。

詢問者：“冬日”怎麼?它可徹底合韻的。

智者：它確是合韻，但沒有人情願被比作“冬日”。

詢問者：你不是説過匹克威克先生讓你想起聖誕節嗎?

智者：是的。

詢問者：聖誕節是冬季的一個日子，我想匹克威克先生對這個比方不會介懷吧。智者：我以為您不夠嚴謹，“冬日”指的是一般冬季的日子，而不是某個特別的日子，如聖誕節。

從上面的對話能夠看出，能滿足這樣的要求，要求核算機不只能仿照並且能夠延伸、擴展人的智能，到達甚至超越人類智能的水平，在現在是難以到達的，它是人工智能研討的根本方針。

人工智能研討的近期方針;是使現有的核算機不只能做一般的數值核算及非數值信息的數據處理，並且能運用常識處理問題，能仿照人類的部分智能行為。依照這一方針，根據現行的核算機的特色研討完結智能的有關理論、技能和辦法，樹立相應的智能體系。例如現在研討開發的專家體系，機器翻譯體系、形式辨認體系、機器學習體系、機器人等。

2.5人工智能的研討範疇

現在，人工智能的研討是與具體範疇相結合進行的。根本上有如下範疇;專家體系,專家體系是依託人類專家已有的常識樹立起來的常識體系，現在專家體系是人工智能研討中展開較早、最活潑、成效最多的範疇，廣泛運用於醫療確診、地質勘探、石油化工、軍事、文化教育等各方面。它是在特定的範疇內具有相應的常識和閲歷的程序體系，它運用人工智能技能、仿照人類專家處理問題時的思想進程，來求解範疇內的各種問題，到達或接近專家的水平。

2.6機器學習

要使核算機具有常識一般有兩種辦法;一種是由常識工程師將有關的常識概括、收拾，並且表明為核算機能夠承受、處理的辦法輸入核算機。另一種是使核算機自身有獲得常識的才能，它能夠學習人類已有的常識，並且在實踐進程中不總結、完善，這種辦法稱為機器學習。

機器學習的研討，首要在以下三個方面進行：一是研討人類學習的機理、人腦思想的進程;和機器學習的辦法;以及樹立針對具體使命的學習體系。

機器學習的研討是在信息科學、腦科學、神經心理學、邏輯學、模糊數學等多種學科根底上的。依賴於這些學科而共同展開。現在已經獲得很大的開展，但還沒有能徹底處理問題。

2.7形式辨認

形式辨認是研討怎麼使機器具有感知才能，首要研討視覺形式和聽覺形式的辨認。如辨認物體、地勢、圖象、字體(如簽字)等。在日常日子各方面以及軍事上都有廣闊的用途。近年來敏捷展開起來運用模糊數學形式、人工神經網絡形式的辦法逐漸替代傳統的用核算形式和結構形式的辨認辦法。特別神經網絡辦法在形式辨認中獲得較大開展。

2.8瞭解自然言語

核算機如能“聽懂”人的言語(如漢語、英語等)，便能夠直接用白話操作核算機，這將給人們帶極大的便利。核算機瞭解自然言語的研討有以下三個方針：一是核算機能正確瞭解人類的自然言語輸入的信息，並能正確答覆(或響應)輸入的信息。二是核算機對輸入的信息能產生相應的摘要，並且複述輸入的內容。三是核算機能把輸入的自然言語翻譯成要求的另一種言語，如將漢語譯成英語或將英語譯成漢語等。現在，研討核算機進行文字或言語的自動翻譯，人們作了很多的嘗試，還沒有找到最佳的辦法，有待於更進一步深入探索。

2.9機器人學

機器人是一種能仿照人的行為的機械，對它的研討閲歷了三代的展開進程：第一代(程序操控)機器人：這種機器人一般是按以下二種辦法“學會”作業的;一種是由規劃師預先按作業流程編寫好程序存貯在機器人的內部存儲器，在程序操控下作業。另一種是被稱為“示教—再現”辦法，這種辦法是在機器人第一次執行使命之前，由技能人員引導機器人操作，機器人將整個操作進程一步一步地記錄下來，每一步操作都表明為指令。示教完畢後，機器人按指令順序完結作業(即再現)。如使命或環境有了改動，要重新進行程序規劃。這種機器人能盡心盡責的在機牀、熔爐、焊機、出產線上作業。日前商品化、實用化的機器人大都屬於這一類。

這種機器人最大的缺點是它只能刻板地按程序完結作業，環境稍有改變(如加工物品略有傾斜)就會出問題，甚至發生風險，這是因為它沒有感覺功用，在日本曾發生過機器人把現場的一個工人抓起來塞到刀具下面的情況。

第二代(自習慣)機器人：這種機器人配備有相應的感覺傳感器(如視覺、聽覺、觸覺傳感器等)，能獲得作業環境、操作方針等簡略的信息，並由機器人體內的核算機進行剖析、處理，操控機器人的動作。儘管第二代機器人具有一些初級的智能，但還需要技能人員協調作業。現在已經有了一些商品化的產品。

第三代(智能)機器人：智能機器人具有類似於人的智能，它裝備了高靈敏度的傳感器，因此具有超越一般人的視覺、聽覺、嗅覺、觸覺的才能，能對感知的信息進行剖析，操控自己的行為，處理環境發生的改變，完結交給的各種雜亂、困難的使命。並且有自我學習、概括、總結、進步已把握常識的才能。現在研發的智能機器人大都只具有部分的智能，和真正的意義上的智能機器人，還差得很遠。

2.10智能決議計劃支撐體系

決議計劃支撐體系是屬於管理科學的範疇，它與“常識—智能”有着極其親近的聯絡。在80年代以來專家體系在許多方面獲得成功，將人工智能中特別是智能和常識處理技能運用於決議計劃支撐體系，擴展了決議計劃支撐體系的運用規模，進步了體系處理問題的才能，這就成為智能決議計劃支撐體系。

2.11人工神經網絡

人工神經網絡是在研討人腦的奧妙中得到啟發，試圖用很多的處理單元(人工神經元、處理元件、電子元件等)仿照人腦神經體系工程結構和作業機理。在人工神經網絡中，信息的處理是由神經元之間的相互作用來完結的，常識與信息的存儲表現為網絡元件互連間分佈式的物理聯絡，網絡的學習和辨認取決於和神經元銜接權值的動態演化進程。

多年來，人工神經網絡的研討獲得了較大的開展，成為具有一種共同風格的信息處理學科。當然現在的研討還僅僅一些簡略的人工神經網絡模型。要樹立起一套完好的理論和技能體系，需要作出更多盡力和討論。然而人工神經網絡已經成為人工智能中極其重要的一個研討範疇。

3.全文總結

人類通過五千的展開進入了根據常識的“常識經濟”。人類社會空前地高速展開。常識是智能的根底，常識只有轉化為智能才能發揮作用，常識無限的堆集，智能也就將在人類社會起越來越大的作用，更有人提出：常識經濟的進一步展開將是“智能經濟”。

“智能經濟”是根據“廣義智能”的經濟，“廣義智能”包括：人的智能、人工智能以及人和智能機器相結合的“集成智能”。能夠想象根據廣義智能的“智能經濟”將比根據常識的“常識經濟”將具有更高的智能水平，更高更快展開速度。