人工智能的現(xiàn)狀及今后發(fā)展趨勢(shì)展望

1、人工智能的現(xiàn)狀及今后發(fā)展趨勢(shì)展望一引言人工智能(Artificial Intelligence),AI，也稱機(jī)器智能。“人工智能”1956 Dartmouth 學(xué)會(huì)上提出的。它是計(jì)算機(jī)科學(xué)、控二目前人工智能技術(shù)的研究和發(fā)展?fàn)顩rAI IBM 公司，已經(jīng)為加州勞倫斯ASCI White 電腦，號(hào)稱具有人腦的千分之一的智力能力。而正在開發(fā)的更為強(qiáng)大的新超級(jí)電腦“藍(lán)色牛仔”（Blue Jean），據(jù)其研究主任保羅霍恩稱，“藍(lán)色牛仔”的智力水平將大致與人腦相當(dāng)。三技術(shù)應(yīng)用AI 可以說(shuō)人工智能已經(jīng)廣泛應(yīng)用到許多領(lǐng)域，其典型的應(yīng)用包括：符號(hào)計(jì)算計(jì)算機(jī)最主要的用途之一就是科學(xué)計(jì)算,科學(xué)計(jì)算可分為兩類:一類是純

2、數(shù)值的計(jì)算,例如求函數(shù)的值;另一類是符號(hào)計(jì)算,又稱代數(shù)運(yùn)算,這是一種智能化的計(jì)算,式、函數(shù)、集合等。隨著計(jì)算機(jī)的普及和人工智能的發(fā)展,相繼出現(xiàn)了多種功能齊全的計(jì)算機(jī)代數(shù)系統(tǒng)軟件,Mathematic Maple 是它們的代表。由于C 語(yǔ)言寫成的,所以可以在絕大多數(shù)計(jì)算機(jī)上使用。模式識(shí)別里,我們把環(huán)境與客體統(tǒng)稱為“模式”。用計(jì)算機(jī)實(shí)現(xiàn)模式（文字、聲音、人物、物體等人類的學(xué)習(xí)過(guò)程相似，以“語(yǔ)音識(shí)別”為例：語(yǔ)音識(shí)別就是讓計(jì)算機(jī)能聽懂人說(shuō)的話，一個(gè)重要的例子就是七國(guó)語(yǔ)言（英、日、意、韓、法、德、中）口語(yǔ)自動(dòng)翻譯系統(tǒng)。該系統(tǒng)實(shí)現(xiàn)后，人們出國(guó)預(yù)定旅館、購(gòu)買機(jī)票、在餐館對(duì)話和兌換外幣時(shí)，只要利用電話網(wǎng)絡(luò)和國(guó)

3、際互聯(lián)網(wǎng)，就可用手機(jī)、電話等與“老外”通話。機(jī)器翻譯“金ft詞霸”“智能漢化”機(jī)器學(xué)習(xí)器人、計(jì)算機(jī)視覺(jué)、計(jì)算機(jī)聽覺(jué)等方面，也會(huì)起到重要的推動(dòng)作用。問(wèn)題求解人工智能的第一大成就是下棋程序,在下棋程序中應(yīng)用的某些技術(shù),今天的計(jì)算機(jī)程序已能夠達(dá)到下各種方盤棋和國(guó)際象棋的錦標(biāo)賽水平。但是,尚未解決包括人類棋手具有但尚不能明確表達(dá)的能力，如國(guó)際象棋大師們洞察棋局的能,在人工智能中叫問(wèn)題表示的選擇,找到某種思考問(wèn)題的方法,程序已能知道如何考慮它們要解決的問(wèn)題,即搜索解答空間,尋找較優(yōu)解答。邏輯推理與定理證明邏輯推理是人工智能研究中最持久的領(lǐng)域之一,其中特別重要的是要找到一些方法,只把注意力集中在一個(gè)大型的

4、數(shù)據(jù)庫(kù)中的有關(guān)事實(shí)上,留意可信的證明,題一樣加以形式化。因此,在人工智能方法的研究中，定理證明是一個(gè)極其重要的論題。自然語(yǔ)言處理自然語(yǔ)言的處理是人工智能技術(shù)應(yīng)用于實(shí)際領(lǐng)域的典型范例,經(jīng)過(guò)多年艱苦努力,這一領(lǐng)域已獲得了大量令人矚目的成果。目前該領(lǐng)域的主要課題是:計(jì)算機(jī)系統(tǒng)如何以主題和對(duì)話情境為基礎(chǔ),注重大量的常識(shí)世界知識(shí)和期望作用, 生成和理解自然語(yǔ)言。這是一個(gè)極其復(fù)雜的編碼和解碼問(wèn)題。分布式人工智能2070年代后期出現(xiàn)，是人工智能研究的一個(gè)重要Agen（t智能體）Agent 又是一個(gè)半自治系統(tǒng)，AgentAgent與環(huán)境之間進(jìn)行并發(fā)活動(dòng)，并通過(guò)交互來(lái)完成問(wèn)題求解。計(jì)算機(jī)視覺(jué)智能信息檢索技術(shù)信息

5、獲取和精化技術(shù)已成為當(dāng)代計(jì)算機(jī)科學(xué)與技術(shù)研究中迫切需要研究的課題,將人工智能技術(shù)應(yīng)用于這一領(lǐng)域的研究是人工智能走向廣泛實(shí)際應(yīng)用的契機(jī)與突破口。專家系統(tǒng)專家系統(tǒng)是目前人工智能中最活躍、最有成效的一個(gè)研究領(lǐng)域,它是一種具有特定領(lǐng)域內(nèi)大量知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)。近年來(lái),在“專家系統(tǒng)”或“知識(shí)工程”的知識(shí),所以才能達(dá)到優(yōu)異地解決問(wèn)題的能力。那么計(jì)算機(jī)程序如果能體現(xiàn)和應(yīng)用這些知識(shí),也應(yīng)該能解決人類專家所解決的問(wèn)題,而且能幫助人類專家發(fā)現(xiàn)推理過(guò)程中出現(xiàn)的差錯(cuò),現(xiàn)在這一點(diǎn)已被證實(shí)。如在礦物勘測(cè)、化學(xué)分析、規(guī)劃和醫(yī)學(xué)診斷方面,專家系統(tǒng)已經(jīng)達(dá)到了人類專家的水平。四目前人工智能發(fā)展中所面臨的難題人工智能(AI)19

6、5650多個(gè)年頭,就研究解釋和,已經(jīng)邁出了可喜的一步,人工智能發(fā)展曲折,面臨不少難題，主要有以下幾個(gè)方面：計(jì)算機(jī)博弈的困難博弈是自然界的一種普遍現(xiàn)象，它表現(xiàn)在對(duì)自然界事物的對(duì)策或智力競(jìng)爭(zhēng)上。博弈不僅存在于下棋之中,而且存在于政治、經(jīng)濟(jì)、軍事和生物的斗智和競(jìng)爭(zhēng)之中。盡管西洋跳棋和國(guó)際象棋的計(jì)算機(jī)程序已經(jīng)達(dá)到了相當(dāng)高的水平,然而10 的40次方,10 120 次方,10 700 次方。如此巨大的狀態(tài)空間,機(jī)器翻譯所面臨的問(wèn)題在計(jì)算機(jī)誕生的初期,有人提出了用計(jì)算機(jī)實(shí)現(xiàn)自動(dòng)翻譯的設(shè)想。目前機(jī)器1964 年語(yǔ)言學(xué)家黑列爾所說(shuō)的構(gòu)成句子的單詞和歧(NLU)在不同的場(chǎng)合使用,的每一個(gè)句子及其上下文進(jìn)行分析理

7、解,尋找導(dǎo)致歧義的詞和詞組在上下文中的,了一定的理解,理解的意義如何有效地在計(jì)算機(jī)里表示出來(lái)也存在問(wèn)題。目前的NLU系統(tǒng)幾乎不能隨著時(shí)間的增長(zhǎng)而增強(qiáng)理解力,系統(tǒng)的理解大都局限于表層上沒(méi)有深層的推敲,沒(méi)有學(xué)習(xí),沒(méi)有記憶,NLU 的研究方法很不成熟,大多數(shù)研究局限在語(yǔ)言這一單獨(dú)的領(lǐng)域,而沒(méi)有對(duì)人們是如何理解語(yǔ)言這個(gè)問(wèn)題做深入有效的探討。GPS的局限1965 GPS 是企圖實(shí)現(xiàn)一種不依賴于領(lǐng)域知識(shí)求解人工智能問(wèn)題的通用方法。GPS 想擺脫對(duì)問(wèn)題內(nèi)部表達(dá)形式的依賴,但是問(wèn)題的內(nèi)部表達(dá)形式的合理性是與領(lǐng)域知識(shí)密切相關(guān)的。不管是用一階謂詞邏輯進(jìn)行定理證明的歸結(jié)原理,都可以從中分析出表達(dá)能力的局限性,而這種

8、局限性使得它們縮小了其自身的應(yīng)用范圍。模式識(shí)別的困惑雖然使用計(jì)算機(jī)進(jìn)行模式識(shí)別的研究與開發(fā)已取得大量成果,有的已成為產(chǎn)品投入實(shí)際應(yīng)用,但是它的理論和方法與人的感官識(shí)別機(jī)制是全然不同的。人的,是任何最先進(jìn)的計(jì)算機(jī)識(shí)別系統(tǒng)望塵莫及的,另一方面在現(xiàn)實(shí)世界中,但機(jī)器不會(huì),這并不是說(shuō)它們永遠(yuǎn)不會(huì),而是說(shuō)目前不會(huì)。五人工智能的發(fā)展前景人工智能的發(fā)展趨勢(shì)技術(shù)的發(fā)展總是超乎人們的想象，要準(zhǔn)確地預(yù)測(cè)人工智能的未來(lái)是不可能方面發(fā)展:模糊處理、并行化、神經(jīng)網(wǎng)絡(luò)和機(jī)器情感。人工智能的發(fā)展?jié)摿薮笕斯ぶ悄茏鳛橐粋€(gè)整體的研究才剛剛開始,離我們的目標(biāo)還很遙遠(yuǎn)，但人工智能在某些方面將會(huì)有大的突破。自動(dòng)推理是人工智能最經(jīng)典的研究分支,其基本理論是人工智能其它分支的共同基礎(chǔ)。一直以來(lái)自動(dòng)推理都是人工智能研究的最熱門內(nèi)容之一,系統(tǒng)的動(dòng)態(tài)演化特征及可行性推理的研究是最新的熱點(diǎn),很有可能取得大的突 破。機(jī)器學(xué)習(xí)的研究取得長(zhǎng)足的發(fā)展。許多新的學(xué)習(xí)方法相繼問(wèn)世并獲得了成功的應(yīng)用,如增強(qiáng)學(xué)習(xí)算法、reinforcement learning 等。也應(yīng)看到,現(xiàn)有的方法處理在線學(xué)習(xí)方面尚不夠有效,尋求一種新的方法,以解決移動(dòng)機(jī)器人、自主agent、智能信息存取等研究中的在線學(xué)習(xí)問(wèn)題是研究人員共同關(guān)心的問(wèn)題,相信不久會(huì)在這些方面取得突破。AI技術(shù)應(yīng)用于實(shí)際領(lǐng)域的典型范例,AI研究人員的艱苦努力,這一領(lǐng)