智能仿真

智能仿真是指所有基於仿真的智能系統研究，主要包括人工智能的仿真研究、智能通信仿真、智能計算機的仿真研究、智能控制系統仿真、數據挖掘和知識發現、智能體、認知和模式識別等。由此可見，智能仿真不僅內容相當豐富，而且明顯地把仿真應用置於當前科技發展的高端 ^[1]  。

智能信息技術， 主要是通信、計算機和自動控制三個領域的智能化。

1)智能通信技術

近年來， 智能通信技術的最重要的內容便是網絡技術的智能化，它主要包括智能網, 智能化網絡管理與控制， 以及網絡智能信息搜索。

①智能網

智能網的目標是為快速， 靈活，經濟地生成通信新業務提供標準體系結構。在通常的技術條件下， 通信， 業務是與通信網絡，甚至通信設備廠商密切相關的。在網絡規模日益膨脹，網絡結構日益複雜，通信容量日益巨大的今天，這種方式不但不方便，不快捷，而且也會造成資源浪費。為此，國際電信聯盟ITU-T(1992)提出了智能網體系結構的概念，目的是使通信業務獨立於基礎通信網絡, 獨立於通信設備的生產廠商。

所謂智能網首先在於它的體系結構是智能化的， 因為它可以提供開放的，分佈的， 靈活的，經濟的，獨立於具體業務的智能業務生成平台。其次，智能網的智能性是通過業務控制點(SCP)體現出來的。智能網體系結構使得只要改良SCP就可以實現智能新業務，而與基礎通信網絡無關。SCP能夠快速，準確，合理，優化地生成和實現各種智能業務，是網絡中的智能節點。並且, 在SCP和智能終端中，已經並且會越來越多地應用話音合成，語音識別，機器翻譯等智能技術。

②智能化網絡管理與控制

現代網絡具備高速化，開放化，綜合化的特點。高速化是指網絡傳輸速率越來越高，例如光纖傳輸網絡的速率已經達到幾十G比特每秒，高速化也就意味着大容量化。開放化是指不同傳輸介質，不同傳輸速率，不同體系結構的網絡互聯在一起，組成一體化的通信網。綜合化是指在統一網絡中，不同的業務，如語音，數據，圖像，活動圖像等綜合在一起。這些特點決定了現代網絡管理與控制的重要性和複雜性。如果不採用智能化的方法這一任務是很難完成的。

③網絡智能信息搜索

隨着Internet的高速發展，越來越多的人開始利用網絡發佈和查詢信息。上網查詢信息，在給人們帶來便利的同時，也會有煩惱。如果沒有掌握一種有效的網上信息查詢方法，則常常會漫遊半天空手而歸。網絡搜索引擎是網上信息查詢的一個有力的工具，是網絡信息檢索的關鍵技術。搜索引擎對網絡信息進行分類，索引和摘要。自動搜索引擎通過專門設計的網絡程序自動發現網絡上新出現的信息，並對其進行自動分類，自動索引和自動摘要。自動搜索引擎還能為信息檢索者提供模糊檢索,概念檢索等功能，這些功能不是簡單地匹配用户提供的檢索關鍵詞，而是能夠按它們的意義進行搜索，從而提高查全率和查準率。由於自動搜索引擎的關鍵技術帶有明顯的智能特徵，因此也被稱為智能搜索引擎。

2)智能計算機

研製智能計算機的目的不是用計算機代替人的腦力勞動, 而是充分發揮人和計算機各自的特長，形成互補、協調的人機合作環境。在智能接口方面取得的進展卻是顯著的。文字識別，語音識別，圖像識別，語音合成，自然語言理解，機器翻譯等技術已經開始實用化，成為智能計算機領域中的標誌性成果。

儘管各國學者為研製智能機進行長期不懈的努力，但究竟通過什麼途徑才能使計算機具有智能或者説表現出智能行為，還是一個未解決的問題。概括來説，已提出的主要途徑有：

①把智能問題當成符號處理與知識處理問題是人工智能的主流。

②人工神經網絡在模式識別和低層次感知模擬等方面有發展潛力，但也有一定侷限性。它與傳統的符號處理有某種互補關係。這兩者的結合可以發揮各自的優勢。

③層次化的智力社會模型。這就是明斯基教授主張的所謂“智力社會”模型，強調理解智能的層次和系統中各部分的聯繫，主要從人類社會的行為來看待思維與智能，其實現上較側重分佈式的人工智能和複雜的巨系統。

④布魯克斯教授提出基於生物進化的智能系統。人類的智能是通過極其漫長的生物進化產生的，進化是智能的源泉，而生物進化的關鍵是在動態環境中的適應能力。如果把機器智能的提高也當成是一種進化過程，其進化速度將比形成人的智能快得多。

3)智能控制系統

智能控制技術主要用來解決那些用傳統的方法難以解決的複雜系統的控制問題，如智能機器人系統，計算機集成製造系統(CIMS)，複雜的工業過程控制系統，航空航天控制系統，社會經濟管理系統，交通運輸系統，通信網絡系統，環保與能源系統等。這些複雜系統具有嚴重的不確定性、高度的非線性，控制任務要求複雜。除了CIMS以外，機器人也是智能控制系統的典型實例。20世紀70年代，機器人技術發展成為一個專門的學科。各種卓有成效的工業機器人實用範例，成了機器人應用領域的進一步擴大， 出現了各種結構的機器人樣機。隨着大規模集成電路的不斷進步，以及微型計算機的普遍應用，特別是人工智能理論與技術的發展，機器人的控制智能化水平得到了大幅度的提高。一般將機器人的發展分為3 個階段：①機器人只有手， 以固定程序工作，不具有外界信息的反饋能力；②機器人具有對外界信息的反饋能力，即有了感覺，如力覺、觸覺、視覺等；③智能機器人已經具有了自主性，有自行學習，推理，決策，規劃等能力。近年來，這方面的研究已經取得了顯著的進展，特別是在視覺方面的某些能力，已經接近了人眼的水平。智能機器人已經在工業，空間，海洋，軍事，醫療等眾多領域得到了實際應用，並已經取得了巨大的效益。

當前, 數據採掘和知識發現(Datamining and Knowledge discovery，DMKD)是人工智能領域中的研究熱點。DMKD是以數據倉庫為基礎，通過綜合運用統計學，模糊數學，神經網絡，機器學習和專家系統等方法，從大量的數據中提煉出抽象的知識，揭示出藴含在數據背後的客觀世界的內在聯繫和本質規律，實現知識的自動獲取。這一研究, 將經典的人工智能方法和計算智能的方法進行了結合。其中，數據挖掘(Datamining, DM)在知識發現過程中是非常重要的環節，它要從大量的、不完全的、有噪聲的、模糊的、隨機的數據中提取潛在的、不為人知的有用信息、模式和趨勢。不過，DM技術還很不成熟，現有方法諸如決策樹法、神經網絡法、覆蓋正例排斥反例法、粗糙集法、概念樹法、遺傳算法、公式發現、統計分析法、模糊集法、可視化數據分析技術等, 其應用還存在較大的侷限性。

Agent譯做智能體、主體、代理等, 並不一致。對於Agent的定義，許多學者提出各自的見解，尚未形成共識。一般認為，Agent是完成某種任務的、能在一定環境中自主發揮作用的、具有一定生命週期的計算實體。由於它可以描述信念、承諾、義務、意圖等精神狀態，彌補了面向對象建模的不足，從而成為仿真建模的理想工具。實際上，它可以是智能軟件、智能設備、智能機器人或智能計算機系統等實體，通過傳感器感知環境，通過效應器作用於環境。它能運用自己所擁有知識進行問題求解；它還能與其它Agent進行信息交流並協同工作，其基本特性是自主性、反應性、適應性和社會性。由於Agent的多樣性，故沒有統一的結構模型。智能體有反應型、慎思型、混合型和社會型四個基本類型。隨着虛擬現實技術的不斷髮展，為了將Agent的真實特性在虛擬環境中表現出來，有必要把各種複雜的行為嵌入到虛擬環境中。行為建模及其研究在虛擬環境研究中的比例呈上升趨勢。

認知(Cognition)是自然智能的基礎，人工智能中的模式識別理論便是研究機器認知的理論。模式識別(Pattern recognition)是人類的一項基本智能。模式這一術語是對被認知事物的概括。模式還可分成抽象的和具體的兩種形式:具體模式， 如文字、符號、聲音、圖片、照片、圖像、人物、地震波、心電圖、腦電圖、生物傳感器等；抽象模式是指意識、思想、議論、機器的運行狀態，國民經濟狀況等等。抽象模式屬於概念識別研究的範疇，是人工智能的另一研究分支。

計算機模式識別在20世紀60年代初迅速發展併成為一門新學科。它是指對錶徵事物或現象的各種形式的(數值的、文字的和邏輯關係的)信息進行處理和分析，以對事物或現象進行描述、辨認、分類和解釋的過程。模式識別又常稱作模式分類。模式識別研究主要集中在兩方面， 一是研究生物體(包括人)是如何感知對象的，屬於認識科學的範疇，二是在給定的任務下，如何用計算機實現模式識別的理論和方法。前者是生理學家、心理學家、生物學家和神經生理學家的研究內容，後者通過數學家、信息學專家和計算機科學工作者近幾十年來的努力，經取得了系統的研究成果；不過， 對於識別二維模式的能力，存在各種理論解釋:模板説認為，所知的每一個模式，在長時記憶中都有一個相應的模板或微縮副本，模式識別就是與視覺刺激最合適的模板進行匹配；特徵説認為，視覺刺激由各種特徵組成，模式識別是比較呈現刺激的特徵和儲存在長時記憶中的模式特徵，它解釋了模式識別中的一些自下而上過程，但不強調基於環境的信息和期待的自上而下加工；基於結構描述的理論可能比模板説或特徵説更為合適 ^[2]  。