扩大机器智能，使计算机逐步向人的智能靠近。2人工智能的研究范围。人工智能研究的基本范围有：问题求解、逻辑推理和定理证明、自然语言处理、自动程序设计、学习、专家系统、机器人学、机器视觉、智能检索系统、组合高度问题、系统与表达语言
f等；其主要研究领域有：自然语言处理、机器人学、知识工程。自然语言处理：语音的识别与合成，自然语言的理解和生成，机器翻译等。机器人学：从操纵型、自动型转向智能型。在重、难、险、害等工作领域中推广使用机器人。知识工程：研究和开发专家系统。目前人工智能的研究中，最接近实用的成果是专家系统。专家系统在符号推理、医疗诊断、矿床勘探、化学分析、工程设计、军事决策、案情分析等方面都取得明显的效果。3决策支持新技术1数据仓库的兴起和概念。数据仓库DataWarehouseDW的概念是PrismSolutio
s公司副总裁在1992年出版的书《建立数据仓库》Buildi
gtheDataWarehouse中提出的。数据仓库的提出是以关系数据库，并行处理和分布式技术的飞速发展为基础，它是解决信息技术在发展中一方面拥有大量数据，另一方面有用信息却很贫乏DatarichI
formatio
poor这种
f不正常现象的综合解决方案。在《建立数据仓库》一书中，对数据仓库定义为：数据仓库是面向主题的、集成的、稳定的、不同时间的数据集合，用于支持经营管理中决策制定过程。传统数据库用于事务处理，也叫操作型处理，是指对数据库联机进行日常操作，即对一或一组记录的查询和修改，主要为企业特定的应用服务的。用户关心的是响应时间，数据的安全性和完整性。数据仓库用于决策支持，也称分析型处理，用于决策分析，它是建成立决策支持系统的基础。2数据仓库的特点。数据仓库是面向主题的：主题是数据归类的标准，每一个主题基本对应一个宏观的分析领域。数据仓库是集成的：数据进入数据仓库之前，必须经过加工与集成。对不同的数据来源进行统一数据结构和编码。统一原始数据中的所有矛盾之处，如字段的同名异义，异名同义，单位不统一，字长不一致等。总之将原始数据结构作一个从面向应用到面向主题的大转变。
f数据仓库是稳定的：数据仓库中包括了大量的历史数据。数据经集成进入数据仓库后是极少或根本不更新的。数据仓库是随时间变化的：数据仓库内的数据时限在510年，故数据的键码包含时间项，标明数据的历史时期，这适合DSS进行时间趋势分析。数据仓库中数据很大：通常的数据仓库的数据量为10GB级，大型的r