要求，成为开发人类智力的帮手。今天，在仿真人各种外在功能的各个方面，机器人的设计都有很大的进展。现在有一些科学家在研究如何从生物工程的角度去研制高逼真度的仿真机器人。目前的机器人离人们心目中的能够做各种家务活，任劳任怨，并会揣摩主人心思的所谓“机器仆人”的目标还相去甚远。因为机器人所表现的智能行为都是由人预先编好的程序决定的，机器人只会做人要他做的事。人的创造性、意念、联想、随机应变乃至当机立断等都难以在机器人身上体现出来。要想使机器人融入人类的生活，看来还是比较遥远的事情。
机器学习在人工智能的研究中具有十分重要的地位。一个不具有学习能力的智能系统难以称得上是一个真正的智能系统，但是以往的
f智能系统都普遍缺少学习的能力。例如，它们遇到错误时不能自我校正；不会通过经验改善自身的性能；不会自动获取和发现所需要的知识。它们的推理仅限于演绎而缺少归纳，因此至多只能够证明已存在事实、定理，而不能发现新的定理、定律和规则等。随着人工智能的深入发展，这些局限性表现得愈加突出。正是在这种情形下，机器学习逐渐成为人工智能研究的核心之一。它的应用已遍及人工智能的各个分支，如专家系统、自动推理、自然语言理解、模式识别、计算机视觉、智能机器人等领域。其中尤其典型的是专家系统中的知识获取瓶颈问题，人们一直在努力试图采用机器学习的方法加以克服。目前，已有许多不同的机器学习方法。可将这些学习方法中体现的基本学习策略总结为机械式学习、指导式学习、类比学习、归纳学习、解释学习五种。
在模式识别方面，主要研究方向有①数据挖掘；②医学图像聚类分析；③视频图像的目标检测与跟踪；④视频事件语义分析；⑤人脸识别；⑥小波理论在图像信号处理中的应用。目前，在国家自然科学基金及多个基金项目的支持下，深化研究这些智能技术和模式识别技术，并将其应用到智能交通系统、基于内容的视频图像检索系统、虚拟现实环境等问题中。特别是，近年来与镇江江滨医院合作采集了近两年来的CT图像和MIR图像，并按照人体部位分类构建了由头部、四肢等九部分组成的图像总数达20余万幅规模的分布式医学图像数据库。基于该数据库，开展了基于内容检索技术、基于医学图像感兴趣区域特征提取以及数据压缩等方面的研究，并开发了一
f个基于内容的腹部医学图像数据库管理系统。同时，研制开发了疲劳驾驶检测软件系统、电子病历书写器与嵌入式电子病历系统。这些系统r