人工智能工作站

工作站是以个人计算环境和分布式网络计算环境为基础，其性能高于微型计算机的一类多功能计算机。人工智能工作站是一种专用工作站，用于智能应用的研究开发，可以高效地运行人工智能语言和人工智能算法模型（深度学习模型）。

简介人工智能工作站是研究解释和模拟人类智能、 智能行为及其规律的一门学科。其主要任务是建立智能信息处理理论，进而设计可以展现某些近似于人类智能行为的计算系统。人工智能工作站是专门用于人工智能研究（如专家系统和基于知识的推理）的工作站，人工智能研究对于硬件要求比较高。人工智能工作站的配置一般高于通用工作站，如图形工作站，处理器使用GPU的工作站，提供高速运算功能，适应多媒体应用的功能和知识处理功能。

运行环境分布式计算是充分利用网络资源的计算模型。该模型旨在提供一套有组织的系统方法，以实现一种开放型的标准化系统结构，使程序和数据都具有透明的分布能力和网络联结能力，以及互操作性和可移植性的能力1。个人计算环境是指为个人使用计算机创造一个尽可能易学易用的工作环境， 为面向特定应用领域的人员提供一个具有友好人机界面的高效率工作平台。

分布式网络计算环境是指工作站在进行信息处理的过程中，可以通过网络与其它工作站或计算机互通信息和共享资源。有以下优点：

提供应用服务与工具，开发的程序可在不同机器、不同操作系统、不同网络上运行。

提供的核心服务高效集成，并提供分布式时间服务和同步。

提供异构环境下的互操作和移植手段，不同机器和操作系统上的程序间可进行进程间通信。

支持数据共享，通过分布式文件系统（DFC）可透明访问DCE中任何文件，就像访问本地文件一样。

提供最细致的资源访问控制手段及安全措施，可以确认某用户是否有权访问某资源。

应用领域专家系统

专家系统是早期人工智能的一个重要分支，它可以看作是一类具有专门知识和经验的计算机智能程序系统，一般采用人工智能中的知识表示和知识推理技术来模拟通常由领域专家才能解决的复杂问题。一般来说，专家系统=知识库+推理机，因此专家系统也被称为基于知识的系统。一个专家系统必须具备三要素：领域专家级知识、模拟专家思维、达到专家级的水平。一个专家系统主要由以下两部分组成：一个称为知识库的知识集合，它包括要处理问题的领域知识；和一个称为推理机的程序模块，它包含一般问题求解过程所用的推理方法与控制策略的知识。推理是指从已有事实推出新事实(或结论)的过程。人类专家能够高效率求解复杂问题，除了因为他们拥有大量的专门知识外，还表现为他们选择知识和运用知识的能力方面。知识的运用方式称为推理方法，知识的选择过程称为控制策略。由于专家系统的主要功能是模仿人类专家的智能活动，所以它还需要使用专家系统的用户与专家系统在求解问题过程中进行对话。这个人机交互的对话包括两个方面，一方面专家系统要像人类专家在诊断疾病或诊断机器故障时，与处理对象对话或通信一样，通过询问或观察获取更多信息；另一方面专家系统又要像人类专家一样，为用户解释它是如何求解问题的，或者推理过程中结论获得的理由，或者为什么所期望的结论没有达到的原因。

知识推理

知识推理是指在计算机或智能系统中，模拟人类的智能推理方式，依据推理控制策略，利用形式化的知识进行机器思维和求解问题的过程。智能系统的知识推理过程是通过推理机来完成的，所谓推理机就是智能系统中用来实现推理的程序。推理机的基本任务就是在一定控制策略指导下，搜索知识库中可用的知识，与数据库匹配，产生或论证新的事实。搜索和匹配是推理机的两大基本任务。对于一个性能良好的推理机，应有如下基本要求：(1)高效率的搜索和匹配机制；(2)可控制性；(3)可观测性；(4)启发性。智能系统的知识推理包括两个基本问题：一是推理方法；二是推理的控制策略。推理方法研究的是前提与结论之间的种种逻辑关系及其信度传递规律等；而控制策略的采用是为了限制和缩小搜索的空间，使原来的指数型困难问题在多项式时间内求解。从问题求解角度来看，控制策略亦称为求解策略，它包括推理策略和搜索策略两大类。

本词条内容贡献者为:

王慧维 - 副研究员 - 西南大学