數(shù)據(jù)挖掘與人工智能技術(shù)

陳雙飛 田富鵬

[摘要]數(shù)據(jù)挖掘使用的技術(shù)和方法廣泛來自人工智能。對人工智能的發(fā)展及其最基本的技術(shù):知識表示、知識推理、搜索,以及數(shù)據(jù)挖掘進行詳細介紹。給出數(shù)據(jù)挖掘的定義,論述數(shù)據(jù)挖掘與人工智能的聯(lián)系,并指出其發(fā)展前景。

[關(guān)鍵詞]人工智能數(shù)據(jù)挖掘前景

中圖分類號:TP2文獻標識碼:A文章編號:1671-7597(2009)0820031-01

人工智能目前在各個領(lǐng)域的發(fā)展都得到了極大的應(yīng)用,數(shù)據(jù)挖掘就是其中之一。數(shù)據(jù)挖掘使用的技術(shù)和方法廣泛來自人工智能,其在應(yīng)用領(lǐng)域的應(yīng)用得到了巨大收益。本文綜述了人工智能和數(shù)據(jù)挖掘的產(chǎn)生、發(fā)展及其相互聯(lián)系。

一、人工智能的發(fā)展

首先,對于人工智能是什么這個問題——也就是對人工智能的定義,我們還是比較難以統(tǒng)一的。在本文中,我們只是討論性質(zhì)的,應(yīng)此并不要求嚴格定義。因而,我們盡可能涉及到多種理解。就目前對人工智能的定義大多可劃分為四類,即機器“像人一樣思考”、“像人一樣行動”、“理性地思考”和“理性地行動”。這里“行動”應(yīng)廣義地理解為采取行動,或制定行動的決策,而不是肢體動作。人工智能是在計算機科學(xué)、控制論、信息論、神經(jīng)心理學(xué)、哲學(xué)、語言學(xué)等多種學(xué)科研究的基礎(chǔ)上發(fā)展起來的。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門技術(shù)科學(xué)。

在1956年的達特矛斯會議上,由麥卡錫提議正式采用了“人工智能”這一術(shù)語。隨后人工智能的研究取得了許多引人注目的成就。例如,1956年塞繆爾研制出了跳棋程序,6年之后擊敗了一個州的跳棋冠軍;1957年,紐厄爾、肖和西蒙研制了邏輯定理理論機的數(shù)學(xué)定理證明程序;1958年,麥卡錫建立了行動規(guī)劃咨詢系統(tǒng);1997年,IBM公司制造的“深藍”號計算機系統(tǒng)戰(zhàn)勝了國際象棋大師卡斯帕羅夫等。

人工智能早期的研究領(lǐng)域有:專家系統(tǒng)、機器學(xué)習(xí)、模式識別、自然語言理解、自動定理證明、自動程序設(shè)計、機器人學(xué)、博弈、人工神經(jīng)網(wǎng)絡(luò)等;目前已涉及到以下研究領(lǐng)域:數(shù)據(jù)挖掘、智能決策系統(tǒng)、知識工程、分布式人工智能等。其中數(shù)據(jù)挖掘的出現(xiàn)使得人工智能的研究在應(yīng)用領(lǐng)域得到了廣泛的發(fā)展。

二、數(shù)據(jù)挖掘

DM(數(shù)據(jù)挖掘)是揭示存在于數(shù)據(jù)里的模式及數(shù)據(jù)間的關(guān)系的學(xué)科,它強調(diào)對大量觀測到的數(shù)據(jù)庫的處理。它是涉及數(shù)據(jù)庫管理,人工智能,機器學(xué)習(xí),模式識別,及數(shù)據(jù)可視化等學(xué)科的邊緣學(xué)科。該領(lǐng)域?qū)ι虡I(yè),工業(yè),及科學(xué)研究都有極大的影響,且提供了大量的為促使新方法的發(fā)展而進行的研究工作。

三、數(shù)據(jù)挖掘與人工智能技術(shù)的聯(lián)系

在此前,多數(shù)人認為數(shù)據(jù)挖掘是人工智能的一個分支。因為,在人工智能的研究中誕生了數(shù)據(jù)挖掘,數(shù)據(jù)挖掘中的重要理論都來自于人工智能的最基本的理論。其中最基本的三種技術(shù)知識表示、知識推理、搜索在數(shù)據(jù)挖掘中得到了體現(xiàn)。然而,隨著數(shù)據(jù)挖掘的發(fā)展,我的看法是:數(shù)據(jù)挖掘本身已經(jīng)成為一個獨立的系統(tǒng),它和人工智能固然有聯(lián)系,但不是從屬關(guān)系。數(shù)據(jù)挖掘本身內(nèi)容豐富,理論方面除了和人工智能、機器學(xué)習(xí)外,和統(tǒng)計分析、OLAP、決策支持系統(tǒng)及專家系統(tǒng)等都有聯(lián)系;應(yīng)用方面除了web挖掘,還有文本挖掘、數(shù)據(jù)庫挖掘、序列模式挖掘等等;數(shù)據(jù)挖掘本身的分類、關(guān)聯(lián)規(guī)則、聚類等算法都博大而精深。將數(shù)據(jù)挖掘從人工智能里面獨立出來,有助于我們更好的研究數(shù)據(jù)挖掘。

四、展望

目前人工智能存在以下幾個發(fā)展趨勢:

1.更新的理論框架

目前人工智能的研究棉鈴很多困難,我們需要尋找和建立更新的人工智能框架和理論體系。

2.更好的技術(shù)集成

要集成的信息技術(shù)除數(shù)字技術(shù)外,還包括計算機網(wǎng)絡(luò)、遠程通信、數(shù)據(jù)庫、計算機圖形學(xué)、語音與聽覺、機器人學(xué)、過程控制、并行計算、量子計算、光計算和生物信息處理等技術(shù)。

3.更成熟的應(yīng)用方法

人工智能方法必須支持人工智能系統(tǒng)的開發(fā)實驗,并允許系統(tǒng)有組織地從一個較小的核心原型逐漸發(fā)展為一個完整的應(yīng)用系統(tǒng)。

目前數(shù)據(jù)挖掘存在以下幾個發(fā)展趨勢:

1.性能方面:數(shù)據(jù)挖掘涉及的數(shù)據(jù)量會更大,處理的效率會更高,結(jié)果的正確性會更精密。

2.工具方面:挖掘工具將越來越強大,匯合的算法越來越多,預(yù)測類算法將吸納頗具新意的算法(支持向量機、粗糙集、云模型、遺傳算法等),并將實現(xiàn)算法的自動選擇和參數(shù)自動調(diào)優(yōu)。

3.應(yīng)用:數(shù)據(jù)挖掘的應(yīng)用除了應(yīng)用于大型專門問題外,還將走向嵌入式,更加智能化。

我們將使用人工智能與數(shù)據(jù)挖掘技術(shù),去解決更多地實際問題,改善我們的生活。

參考文獻:

[1]姬翔、杜文靜,《人工智能論析》[J].中山大學(xué)學(xué)報論叢,2006年第26卷,8.

[2]Samuel L.Some Studies in Machine Learning Using the Game of Checkers[J].IBMJournal Research and Development,1967,11(4):601-618.

[3]郭萌、王玨,數(shù)據(jù)挖掘與數(shù)據(jù)庫知識發(fā)現(xiàn)[J].模式識別與人工能,1998,11(3):292-299.

[4]Tukey,J.W.(1962),數(shù)據(jù)分析的未來,Ann.Statist.33,1-67.

作者簡介:

陳雙飛(1977-),男,漢族,甘肅省蘭州市人,西北民族大學(xué)計算機科學(xué)與信息工程學(xué)院2007級計算機應(yīng)用碩士研究生;田富鵬(1963-),男,西北民族大學(xué)現(xiàn)代教育技術(shù)學(xué)院教授,碩士生導(dǎo)師。