人工智能的历史并不长。有哪些关于人工智能的文献？以下是边肖为您整理的人工智能方面的文献，供您阅读！
浅析人工智能的形成和发展
人工智能的历史并不长。因此，本文将对人工智能的产生、形成、发展现状和前景进行分析，总结其发展过程中存在的问题，以及发展现状中存在的不足，分析其未来的发展方向。
关键词：人工智能，发展过程，现状分析，展望。
一.导言
人工智能最早由英国科学家图灵于1936年提出，但并不被大多数人认可。当时他写了一个下棋程序，这是人工智能最早的应用。还有著名的“图灵测试”，也是判断是否是人工智能的原始方案。因此，图灵被尊称为“人工智能之父”。人工智能从产生到发展经历了一个跌宕起伏的过程。直到现在，人工智能的应用技术还不是很成熟，存在相当多的缺陷。通过收集的数据，详细介绍人工智能领域的具体情况，分析其面临的挑战和未来前景。
二。人工智能的发展
1.1956年前的潜伏期
(1)从公元前的大哲学家亚里士多德到16世纪的英国哲学家培根，他们的形式逻辑三段论、归纳法以及“知识就是力量”的格言都对人类思维过程的研究产生了重要影响。
在17世纪，G.德国数学家莱布尼茨提出了通用符号和推理计算的思想，为数理逻辑的产生和发展奠定了基础，播下了现代机器思维设计思想的种子。19世纪英国逻辑学家布尔(G. Boole)创立的布尔代数实现了用符号语言描述人类思维活动的基本推理规则。
(3)随着20世纪30年代数理逻辑的迅速发展和关于计算的新观点，人们在计算机出现之前就确立了计算与智能之间关系的概念。被称为人工智能之父的英国天才数学家A. Tur-ing在1936年提出了一种理想计算机的数学模型，即图灵机。1946年，美国数学家J. Moakley和J. Echert研制出世界上第一台数字计算机，为人工智能的研究奠定了不可或缺的物质基础。1950年，图灵发表了《计算机与智能》的论文，提出了著名的“图灵测试”，形象地指出了什么是人工智能，以及机器具有智能的标准，对人工智能的发展产生了深远的影响。
(4)1934年，美国神经生理学家w麦卡洛克和w皮茨建立了第一个神经网络模型，为以后人工神经网络的研究奠定了基础。
2.诞生和发展时期从1956年到1969年
1956年夏，麻省理工学院IBM的J .麦卡锡、m .明希、o .塞尔福里奇、r .索洛门夫、罗。
切斯特(N. Lochester)、T. More和塞缪尔(A. Samuel)、贝尔实验室的C. Shannon、纽维尔(A. Newell)、H. Simon (CMU)等十人在美国达特茅斯。召开了为期两个月的机器智能研讨会，会上统一使用人工智能一词来代表机器智能的研究方向，这标志着人工智能的正式诞生。
(2)从1956年到1969年，塞缪尔开发了一个自学跳棋程序。1959年，它打败了塞缪尔本人，1969年，它打败了一个州冠军。
(3)1956-1965年，纽维尔和西蒙开发的“逻辑理论家”程序证明了《数学原理》中的38个定理；
1958年，美籍华人数学家王浩在计算机上仅用5分钟就证明了《数学原理》中命题演算的全部220个定理。
1960年，基于心理学实验，newell和Simon开发了一种通用问题求解器(GPS)，它独立于特定领域，可以解决11种不同类型的问题。
1965年，J.Robinson提出了归结原理，对定理的机器证明做出了突破性的贡献。
(4)1956-1968年，斯坦福大学的G. Feigenbaum教授首先开展了专家系统的研究。他们成功的DENDRAL专家系统可以根据质谱仪的实验，通过分析推理，确定化合物的分子结构，能力相当于化学专家。
(5)1969年，国际人工智能会议成立，标志着人工智能作为一门新学科得到了世界范围的认可。
3.1970年后的起伏。
20世纪70年代，人工智能进入发展期，许多国家相继开展了这一新兴学科的研究工作。60年代的一系列胜利让人工智能学者欢欣鼓舞，也让大众对人工智能提出了更高的期望，但事情远非如此。自从塞缪尔成为州冠军以来，他的国际象棋程序从未赢过世界冠军。最有希望产生实质性结果的自然语言的翻译也有许多问题。人们认为，只需要一本双向词典和一些语法知识就可以解决自然语言翻译的问题。结果他们发现机器翻译闹了很多笑话。
以至于有人讽刺说，美国花了2000万美元为机器翻译建了一个墓碑。被公认为“重大突破”的消化法，由于自身的局限性，无法适应现实世界中的很多问题，在神经网络和机器学习的研究中也遇到了各种各样的困难。舆论的谴责和资金的匮乏让人工智能的研究一度陷入困境。
三。人工智能的现状及发展前景分析
(一)现状分析
人工智能的理论地位是分而治之(主要表现在三个方面，即结构主义、功能主义和行为主义)。人们对事物本质的认识论不同，从事物的不同方面模拟出智能系统，这就使得人工智能应运而生。时至今日，无论是认知还是研究都存在一种“盲人摸象”的误区。结构、功能、行为是智能系统的基本属性，最能揭示系统本质的“工作机制”也可称为机制。所谓机制，就是在给定问题-环境-工具的前提下，提取相关信息，然后将信息转化为知识。主要有三个阶段：一是从本体信息到认识论信息(信息获取)，再从认识论信息到知识，最后一个阶段是智能策略。其结构流程图
如下所示：
此图简明地说明了“机制”的具体组成和内容。然而，尽管如此，人工智能在现阶段仍有很大的局限性，主要表现在五大方面：
1.认识论的局限性。人们对思维过程的理解是相当片面的。他们认为思维的过程可以通过物理符号的操作来模拟，而一些视觉思维或者抽象思维的程序是不能简单物化的。
2.智能方法和途径的局限性。从力学角度看，主要分为结构派和功能派。结构主义从研究人脑的神经结构入手，试图模拟人的神经网络，却不知道人的神经元有很多，这也让结构主义的智能化任重道远。功能主义研究思维的活动和智能行为的心理特征，但根本思维仍然是象征主义，理论模型仍然是图灵机模型。
3.数学基础的局限性。人工智能最基础的就是计算，这涉及到现代数学的现状。现代数学是封闭的、线性的、结构不变的、收敛的、精确的，而人工智能要求相反。它需要的是非结构化、非线性、模糊的发散计算，以满足智能化的需求。
4.计算机模型的局限性。主要表现在四个方面：
2)需要为问题本身抽象出一个数学的、精确的解析公式。
3)需要设计问题的算法。
4)解的结果的唯一性。
5)图灵计算机模型下的问题一般是递归问题。
6)很多时候，为了实现真正的人工智能，我们要求一个满意的解而不是精确的解，这是基于图灵模型的计算机模型做不到的。
5.形式演绎理论的局限性
6.意识到技术的局限性。知识、推理、环境、工具都有很大的局限性，制约了他们的发展。
毕竟人脑和机器有很大的区别。人脑优于计算机的地方，有逻辑思维、概念抽象、辩证思维、形象思维。它能从知识中提取不同的、更高层次的核心知识，从多方面把握信息。所以在解题时，大大减少了对解题方案每一种可能组合的探索。甚至在很多情况下，根本不需要探索所有可能的组合，它就可以直接想出解决方案。这样就避免了组合爆炸。计算机虽然可以做出调整，进行有限的自组织，但因为没有视觉思维和逻辑思维，所以只能玩。
成年人悟性活动中的演绎方法不可能真的是智能的。所以，计算机不会学习，不会思考，不会创造。在计算机领域，机器人还是机器，但没有生命。然而，克隆技术和转基因技术的重大突破可能会使人们设计和创造出具有生命甚至智能的东西。
(2)发展前景
对于已经解决或即将解决的智能问题，或许可以通过对计算机函数程序及其关系的深入研究，找到一条发展人工智能的新途径。使用计算机解决问题时，必须通过汇编语言编写一些程序，把要解决的问题和算法转换成机器语言，即“0”和“1”，而不是二进制的机器指令。因此，使用通用指令集代表了计算机解决问题的能力。因此，或许可以研究一些具有基本功能，但其他指令无法编程的基本指令，分析它们的指令集来研究人工智能。
四。结束语
人工智能诞生时间不长，技术也不是很成熟。从某种意义上说，它总是面临着相当多的限制。由于冯纳伊曼是目前计算机的原型，其机器指令也是人工智能的一大障碍。或许，我们可以通过改进机器语言本身，找到走向成熟的人工智能的新突破口。
