外文翻译---人工智能的应用

人工智能的应用

1简介

随着计算机技术的进步，国家鼓励研究人员去开发能够帮助医生做一些决定的软件，

而不需要咨询专家去解决问题。软件开发利用的范围很广，例如模拟人类的智能，帮助人类

做一些决定，学习能力等其他方面。人工智能不是一个新概念，它已在计算机科学里作为一

种新技术被接受。它也被应用到了很多领域，如教育业、商业、医疗业和制造业。

2人工智能的应用

2.1玩游戏

人工智能在游戏中的运用越来越来好。随着一些游戏的发明，像第一人称射击游戏和

虚幻引擎，甚至在第一人射击游戏A1引擎中虚构人物也变得越来越智能了！只是因为忽略

了之一点，这个游戏那么久才被推出半智能的敌人出来吗？也许是吧，但是也是由于先进的

A1引擎，许多的项目组已经降低努力和推迟研发来创造出一个完美的游戏。本文论述的常

用技术被运用到A1引擎游戏中，也可能使用其他模式在人工智能上。

你可以买一个能和高手在很高级别下下棋的机器。它们都是人工智能的，但是它们主

要是通过蛮力在计算——在寻一个数以万计的位数，击败世界冠军的蛮力和已知的可靠的

启发式需要能看每秒200万位。

2.1语音识别

在20世纪90年代，计算机语音识别能力达到了一个实用水平。因此，美国联合航空

公司的航班号和城市名称都使用了语音识别取代了其航班信息的键盘树，这是很方便的。但

是另一方面，虽然可以使用一些带语音功能的计算机，但是大多数的用户还是坚持认为键盘

和鼠标是方便的。

2.2自然语言的理解

仅仅往电脑里输入一串字符是不够的，解析句子也是不够的。计算机具有提供文本域的

理解力，这可能是目前有的非常有限的领域。

2.3计算机视觉能力

世界是由三维的物体组成的，但是进入人的眼睛的和电脑的电视摄像机时二维的。有些

有用的程序可以在二维空间里工作，但是完整的计算机视觉却要求部分的三维信息，不仅仅

是一套二围的意见。目前，只有有限的方式能直接代表立体的信息，它们和不如人类使用的

那么好。

2.4专家系统

一个“知识工程师”采访在某一领域中的专家和尝试去体现它们在计算机程序中完成一

些任务能力的知识。它的原理取决于任务所需的智能机制是否在目前的人工智能状态。当这

个事实并非如此时，会有许多令人失望的结果出现。在1974年有了第一个专家系统是

MYCI，这是一个诊断细菌感染的血液和给出处理建议的系统。它确实比医科学生或执业医

生要好得多，提供了其局限性的观察。即其本体包括细菌、症状和，并没有包括患者、

医生、医院、死亡、恢复和事件发生的时间。细胞的相互作用依赖于一个单一的病人正在考

虑。由于咨询专家的知识工程师知道病人、医生、死亡和恢复等等，很明显，知识工程师逼

迫专家告诉他们一个确定的框架。在目前的人工智能的状态下，这是真实的。目前专家系统

的有效性取决于使用它们的有常识的用户们。

2.5启发式分类

鉴于目前的AI知识的专家系统最可行的一种是，把一些信息放在一个固定使用的多个信

息源的类别上。一个例子是建议是否接受建议的信用卡的购买。信息是有关信用卡的雇主，

他的付款记录，还对他所购买的项目和有关机构，都有他来买。

2.6极大极小树和alpha-beta修剪

完全移动到另一个游戏—棋盘游戏。棋盘游戏的AI已经收到了大量的宣传从著名的国

际象棋比赛的深蓝和卡斯帕罗夫—国际象棋冠军被机器所击败。像想起之类的游戏，检查、

连珠和转到都需要大量的超前思维，预测对手可能会选择什么动作，以及如何对付他们。这

就是极大极小的树来的地方，一个极大极小的树的目标是尽量减小对手的最大举措。

一个板可以由巨大的移动树来表示，作为空白板根开始，然后分支出所有可能移动的第

一步，然后再细分，直到最佳的状态。然而，对目前的计算机来说创造以整个树的所有行动

将是不可能的，——甚至一个简单的游戏可能需要大约一百万个节点。所有的国际象棋之类

的游戏，是绝对不可能代表一个完整的树的。因此，这类的算法只能是生成5—10层树。

展望未来，我们用一个假设，就是计算机和对手同时使用一套规则用来移动。这显然是

一个很是脆弱的假设，尤其是它同人类一块进行时。因此，计算机将生成所有可能从当前移

动5—10步的位置。之后，它设置节点，并指派它们有效的“得体”地移动。然后使用这些

值来确定所有要走的路径，以尽量减弱其对手的最佳游戏状态。

正如真正的树木可以生长中会失控,人需要对它修剪,极大极小树同样也需要这样!在诸

如象棋的棋盘游戏中,即使是提前做出几步评估,这些树都是很大的,需要很长的时间产生很

评估。因此，修剪是用来确保时间不浪费在节点上的评价。

2.7有限状态机

尽管是很专业的技术术语，有限状态机还是最简单的人工智能引擎。它们经常被用在

第一人称射击游戏中，如末日、地震和Q2。敌人有8个可以分配它们的状态，每个状态都

有自己的的规则，以及自身的触发器。

从大多数的人都玩过Q2来看，它确实是一个很好的例子。Q2使用的9种不同的状

态：站立、行走、跑步、回避、攻击、近战、看到敌人、闲置和搜索。

2.8在音乐中的应用

人工智能在音乐中的应用应该是永无止境的，不幸的是，目前的情势看却没怎么体

现出来，人工智能和音乐都是在音频的两端的，人工智能被视为计算机科学的象征，还有音

乐艺术和抽象的象征。

动态性和自治性的音乐创作是有无限的可能的，一首可以在很短的时间里就能完成了，

为花园中心，电梯和迷幻音乐！计算机可以提供出的‘干扰’伙伴的吉他，帮助爵士舞

者发展他们的音乐风格。计算机也可以提供钢琴伴奏和管弦乐，可能性虽是无穷无尽的，然

而，如何才能实现这一切呢？

2.9生成电脑音乐

创作音乐一开始是需要很多的灵感的，我们如何激发电脑呢？迄今为止，还是没有不需

要人工输入就能自己产生音乐的程序，目前大多数程序是需要人类用户设置各种参数和选项

的，这些都是有电脑生成的。

很多音乐节目中使用遗传算法作为一种手段产生的碎片。Genjam使用遗传算法用自行

车创建爵士即兴演奏的，该计划即将推出一个新方案，Bieas会提出无论是好是坏的程序来，

从而提高健身的效果。经过多次的培训，genjam是一项艰巨的即兴的创作伙伴！

没有其他程序使用多个模块互相交流的，有些是遗传控制的，其他的不能创建一个控

制块。控模块的非遗传算法是用数学公式标注模式的、和弦等，然而，计算机生成音乐的最

大方向似乎是音乐基因。

2.10分形音乐

做分形的东西都是与音乐有关系的吗？自从20世纪20年代约瑟夫士格林时代开始，

音乐已被认为有一个混沌和回归自然的阶段。有许多的研究像是我们发现有些愉悦的音乐确

实要比一些刺耳的音乐要好的多，音乐往往是有谱密度的已经被证明了。大多数的分形成一

个类似的1/f类下降也已经被证明了。在许多的方法中分形已经被用来产生音乐了，你可以

选择一行，并用每个像素来表示一个标记位置。其他方式所创造的音乐是以相同的方式，这

个方式就是每个像素位置代表一个音符的分形绘制。对我来说，最好的一个例子就是一个

fractal-generated件已经创造了一个曼德尔罗特集：

这是一个非常混乱带有间断性的结构，不过，他有自己的东方之音的特。有很的证

据表明，分型音乐能尽快提供给我们一些非常真实，非常有趣的东西，在不久的将来，假如

你对寻到跟多关于分形的音乐，请参阅我们的链接。

2.11自动转录器

自动转录确实是涉及到音乐产业的，想象一下放入一张CD，按下一个按钮，就可以

用计算机创造出一个完美的分数框架了。

转录可以是非常困难的，特别是像佳能的音乐，或是新的高度分层的作品像是弗兰克

扎帕或是史蒂夫瓦的作品一样。人类的耳朵有能力去听清声音，可以去忽略其他的声音。例

如，当你在听一首歌曲时，你可以不被音乐干扰而能听到歌曲中的词,因为你可以集

中精力在歌手的声音上,不过,如果你愿意的话,你也可以去听听吉他,贝斯和鼓的

声音,这是没什么难度的。

创造一个能够磨练这些声音的程序在实际上是有点困难的，因为我们不知

道大脑是如何来区分声音里的声音的。在语音识别的领域里，有一天可能会给出

我们这个答案，因为语音识别基本上是在研究一个声音上发现它的意义的，自动

转录将会发现众多的声音的区别。

2.12人工智能的军事应用

军事与计算机科学一直是难以置信的被联系在一起，事实上，计算机的发明初期，它

也只是仅限于军事上的用途。第一个计算机的操作是在第一次世界大战中使用的主任功

能，它根据飞机的雷达数据帮助地面炮兵预测路径。人工智能领域有几个著名的人物，涉及

了大量的军事科学家，如阿兰.图灵。图灵，是当代计算机科学和人工智能的创始人之一，

帮助创造了一个能够破译德军密文的部分密码。

CHAPTER2–APPLICATIOSOFARTIFICIAL

ITELLIGECE

2.1Introduction

Theadvancementincomputertechnologyhasencouragedtheresearcherstodevelopsoftware

forassistin

softwaredevelopmentexploitsthepotentialofhumanintelligencesuchasreasoning,making

decision,learning(byexperiencing)cialintelligenceisnotanew

concept,een

appliedinmanyareassuchaseducation,business,medicalandmanufacturing.

2.2ApplicationsofAI

Gameplaying

eadventofgameslike

HalfLifeandUnreal,eventhenotoriouslydumbAI-enginesinfirst-personshootersare

graduallygettingmoreandmoreintelligent!Isitduetoneglectthatgameshavetakensolong

togethalf-intelligentenemies?Perhaps,butitisalsoduetotheincrediblecomplexityof

advancedAIenginesthathasputalotofprogramminggroupsoffputtingintheeffortand

saydealswiththetechniquesoftenusedinAI-enginesin

games,andpossibleusesforotherparadigmsinAI.

Yos

someAIinthem,buttheyplaywellagainstpeoplemainlythroughbruteforce

aworldchampionby

bruteforceandknownreliableheuristicsrequiresbeingabletolookat200millionpositions

persecond.

Speechrecognition

Inthe1990s,co

UnitedAirlineshasreplaceditskeyboardtreeforflightinformationbyasystemusingspeech

heotherhand,

whileitispossibletoinstructsomecomputersusingspeech,mostusershavegonebacktothe

keyboardandthemouseasstillmoreconvenient.

Understandingnaturallanguage

gsentencesisnot

puterhastobeprovidedwithanunderstandingofthedomainthetext

isabout,andthisispresentlypossibleonlyforverylimiteddomains.

Computervision

Theworldiscomposedofthree-dimensionalobjects,buttheinputstothehumaneyeand

computers'efulprogramscanworksolelyintwo

dimensions,butfullcomputervisionrequirespartialthree-dimensionalinformationthatisnot

entthereareonlylimitedwaysofrepresenting

three-dimensionalinformationdirectly,andtheyarenotasgoodaswhathumansevidently

use.

Expertsystems

A“knowledgeengineer”interviewsexpertsinacertaindomainandtriestoembodytheir

lthisworksdepends

onwhethertheintellectualmechanismsrequiredforthetaskarewithinthepresentstateofAI.

Whenthisturnedoutnottobeso,hefirst

expertsystemswasMYCIin1974,whichdiagnosedbacterialinfectionsofthebloodand

etterthanmedicalstudentsorpracticingdoctors,providedits

,itsontologyincludedbacteria,symptoms,andtreatments

anddidnotincludepatients,doctors,hospitals,death,recovery,andeventsoccurringintime.

heexpertsconsultedby

theknowledgeengineersknewaboutpatients,doctors,death,recovery,etc.,itisclearthatthe

knowledgee

thepresentstateofAI,fulnessofcurrentexpertsystemsdepends

ontheirusershavingcommonsense.

Heuristicclassification

OneofthemostfeasiblekindsofexpertsystemgiventhepresentknowledgeofAIistoput

someinformat

ationis

availableabouttheownerofthecreditcard,hisrecordofpaymentandalsoabouttheitemhe

isbuyingandabouttheestablishmentfromwhichheisbuyingit(e.g.,aboutwhetherthere

havebeenpreviouscreditcardfraudsatthisestablishment).

MinimaxTreesandAlpha-BetaPruning

amingAIhas

receivedahugeamountofpublicitysincethefamouschessmatchbetweenDeepBlue(IBM's

masterchesscomputer)andKasparov-thefirsttimeachessworldchampionhasbeenbeaten

ikechess,checker,Pente,andGorequireagreatdealofthinking

ahead,predictingwhatmovestheopponentmightpick,

whereminimaxtreescomein—thegoalofaminimaxtreeistominimizetheopponents’

maximummove.

Aboardcanberepresentedasahugetreeofmoves,startingwithablankboardastheroot,

thenbranchingoffwithallthepossiblefirstmoves,allofwhichinturnbranch,untila

winningstate(ordraw),creatinganentiretreeofALLmoveswouldbe

impossibleoncurrentcomputer-evenasimplegamecouldrequirearoundamillionnodes.

SogameslikechessandGoaredefinitelyimpossibletorepresentasacompletetree.

Therefore,thealgorithmsonlygeneratetrees5-10layersdeep.

Lookingaheadobviouslyusestheassumptionthatthecomputeranditsopponentusethe

samesetofheuristics(rules)obviouslyarather

tenuousassumptiontomake,especiallywhenplayingagainsthumans(therefore,itisoften

theseheuristicsthatmakeorbreakanAIengine).So,thecomputergeneratesallpossible

bhat,it

setsaboutevaluatingthenodes,andassigningvaluestothemaccordingtothe“decency”of

themove(again,theheuristicinvolvedinthisprocesscanhaveahugeimpactonthegame).

Itthenusesthesevaluestodeterminewhichpathtotakesoastominimizeitsopponentsbest

game.

Justasrealtreescangrowoutofcontrolandneedtobepruned,sodominimaxtrees!Even

whenonlyevaluatingafewmovesahead,inacomplicatedboardgamesuchaschess,these

treescanbeimmense,ore,pruningis

usedtoensuretimeisn'twastedonevaluatedpointlessnodes.

FiniteStateMachines

Despitetherathertechnical-soundingterm,finitestatemachines(FSM)arethesimplestAI

eoftenusedinfirst-personshooterssuchasDoom,

enemieshaveabout8statesthattheycanbeassigned,eachstatehavingitsownbehaviour,

anditsowntrigger.

2uses9

differentstates:standing,walking,running,dodging,attacking,melee,seeingtheenemy,idle

andsearching.

ApplicationsinMusic

TheArtificialIntelligenceapplicationsinmusicareendless-unfortunately,atpresentthereis

cialIntelligenceandmusicareateitherendsofthespectrum,

AIbeingseenastheepitomyofcomputerscience,andmusictheepitomyofartand

abstractness.

Dynamicandautonomousmusiccreationhasendlesspossibilities-piecescouldbecomposed

inseconds,forgardencentre,elevatorandtrancemusic!Computerscouldprovidebrilliant

'jam'partnersforguitarists,blues/erscould

sibilitiesareendless!Yethow

canallofthisbeachieved?

GeneratingComputerMusic

einspire

computers?Asofyet,

programsatthemomentrequirethehumanusertosetvariousparametersandoptions-these

areusedbythecomputertogeneratethepiece.

Alby

gramwouldcome

outwithariff,andBileswouldtelltheprogramwhetheritwasgoodorbad,thusimproving

uchtraining,GenJamisaformidableimprovisationpartner!

Otherprogramuseseveralmodulescommunicationingwitheachother-someGA-controlled,

-GAcontrolledmodulesusemathematical

formulastoformnotepatterns,heless,thelargestdirectionin

computer-generatedmusicseemstobegenetically-createdmusic.

FractalMusic

Whatdofractalshavetodowithmusic?Eversincethe1920swithJosephSchillinger,music

herstudiesastowhywe

findcertainmusicpleasing,eenshownthatmusicoften

hasspectraldensityof1/f(theconceptofspectraldensityisunimportanthere).Ithasbeen

shownthatmostfractalsfallintoasimilar1/lshavebeenusedto

generatemusicinseveralways-youcanselectarowanduseeachpixeltorepresentacertain

ayshavebeendonebycreatingmusicinthesamewaythatthefractalisdrawn,

,thebestexampleofa

fractal-generatedpiecehasbeenonecreatedfromaMandelbrotset:

Thisisaverychaoticpiece,withoccasionalbreaks-nevertheless,ithasacertainEastern

salotofevidencethatfractalmusiccouldsoonprovideuswithsomevery

real,reinterestedinfindingmoreabout

fractalmusic,pleaseseeourlinkssection.

AutomatedTranscription

AutomatedTranscriptionwouldindeedrevolutizethemusicindustry-imagineputtingina

CD,pressingabuttonandhavingthecomputercreateaperfectscoreofthepiece.

Transcriptioncanbeincrediblydifficult,especiallyforpieceslikeCanonmusic,ornew

anear(well,

thehumanbrain)hastheabilitytolisteninonacertainsound,ignoring(oratleastnottaking

asmuchattentionto)mple,whenyoulistentoasongyoucanlisten

tothewordswithoutbeingdistractedbythemusic,becauseyoucanconcentrateonthe

singer'ant,though,youcanlistentotheguitar,bass,ordrumswithoutany

trouble.

Creatingaprogramtobeabletohoneinonthesesoundsisinherentlydifficult,sincewehave

aofvoice

recognitionmaysomedayleadustoanswers,sincevoicerecognitionisbasicallythestudyof

findingmeaninginonesound-autotranscriptionwouldbefinding'meaning'(individual

instruments)inamultitudeofsounds.