人工智能的世界能力

人工智能的世界能力

人工智能是研究機智能和智能機械科學的綜合高科技學科。它是20世紀50年代出現(xiàn)的一個綜合性的心理學、認知科學、思維科學、信息科學、系統(tǒng)科學和生物科學等學科的綜合技術學校。目前，它在知識處理、模式識別、語言學處理、游戲、自動推理證明、自動編程、專家系統(tǒng)、知識、智能機器人等領域取得了著名成果，形成了多個發(fā)展方向。1世界三大尖端技術人工智能(ArtificialIntelligence,簡稱AI),作為計算機學科的一個重要分支,是由McCarthy于1956年在Dartmouth學會上正式提出,在當前被人們稱為世界三大尖端技術之一。美國斯坦福大學著名的人工智能研究中心尼爾遜(Nilson)教授這樣定義人工智能“人工智能是關于知識的學科——怎樣表示知識以及怎樣獲得知識并使用知識的學科”,另一名著名的美國大學MIT的Winston教授認為“人工智能就是研究如何使計算機去做過去只有人才能做的智能的工作”。除此之外,還有很多關于人工智能的定義,至今尚未統(tǒng)一,但這些說法均反映了人工智能學科的基本思想和基本內容,由此可以將人工智能概括為研究人類智能活動的規(guī)律,構造具有一定智能行為的人工系統(tǒng)。2能性能性計算機20世紀50年代到60年代初是人工智能發(fā)展的初級階段。這一時期的研究主要集中在采用啟發(fā)式思維和運用領域知識,編寫了包括能夠和證明平面幾何定理和與國際象棋大師下棋的計算機程序。開創(chuàng)了具有真正意義的人工智能研究是1956年McCarthy決定把Dartmouth會議用人工智能來命名。在圖靈(AlanTuring)所著的《計算機器與智能》中,討論了人類智能機械化的可能性并提出了圖靈機的理論模型,為現(xiàn)代計算機的出現(xiàn)奠定了理論基礎;與此同時,該文中還提出了著名的圖靈準則,現(xiàn)已成為人工智能研究領域中最重要的智能機標準。同一時期,WarrenMeCulloeli和WalterPitts發(fā)表了《神經(jīng)活動內在概念的邏輯演算》,該文證明了一定類型的、可嚴格定義的神經(jīng)網(wǎng)絡,原則上是能夠計算一定類型的邏輯函數(shù)的,開創(chuàng)了當前人工智能研究的兩大類別:符號論和聯(lián)結論。自1963年后,人們開始嘗試使用自然語言通訊,這標志著人工智能的又一次飛躍,如何讓計算機理解自然語言、自動回答問題、分析圖像或圖形等便成為AI研究所追求的重要目標,由此AI的研究進入了第二階段。70年代,在對人類專家的科學推理進行了大量探索后,一批具有專家水平的程序系統(tǒng)相繼問世。知識專家系統(tǒng)在全世界得到了迅速發(fā)展,它的應用范圍延伸到了人類各個領域,并產(chǎn)生了巨大的經(jīng)濟效益。80年代,AI進入以知識為中心的發(fā)展的階段,越來越多的人認識到知識在模擬智能中的重要性,圍繞知識表示、推理、機器學習,以及結合問題領域知識的新認知模擬進行了更加深入的探索。目前,人工智能技術正在向大型分布式人工智能及多專家協(xié)同系統(tǒng)、并行推理、多種專家系統(tǒng)開發(fā)工具,以及大型分布式人工智能開發(fā)環(huán)境和分布式環(huán)境下的多智能體協(xié)同系統(tǒng)等方向發(fā)展。3人工智能的研究和應用3.1人工智能時代是基于問題描述的深度學習問題求解,即解決管理活動中由于意外引起的非預期效應或與預期效應之間的偏差。能夠求解難題的下棋(如國際象棋)程序的出現(xiàn),是人工智能發(fā)展的一大成就。在下棋程序中應用的推理,如向前看幾步,把困難的問題分成一些較容易的子問題等技術,逐漸發(fā)展成為搜索和問題歸約這類人工智能的基本技術。搜索策略可分為無信息導引的盲目搜索和利用經(jīng)驗知識導引的啟發(fā)式搜索,它決定著問題求解的推理步驟中,使用知識的優(yōu)先關系。另一種問題的求解程序,是把各種數(shù)學公式符號匯編在一起,其性能已達到非常高的水平,并正在被許多科學家和工程師所應用,甚至有些程序還能夠用經(jīng)驗來改善其性能。例如,1993年美國發(fā)布的一個叫做MACSYMA的軟件,它能夠進行較復雜的數(shù)學公式符號運算。如前所述,尚未解決的問題包括人類棋手具有的表達的能力,如國際象棋大師們洞察棋局的能力;另一個未解決的問題涉及問題的原概念,在人工智能中叫做問題表示的選擇。人們常常能夠找到某種思考問題的方法從而使求解變得容易而最終解決該問題。3.2專家系統(tǒng)的發(fā)展專家系統(tǒng)ES(ExpertSystem)是人工智能研究領域中另一重要分支,它將探討一般的思維方法轉入到運用專門知識求解專門問題,實現(xiàn)了人工智能從理論研究向實際應用的重大突破;專家系統(tǒng)可看作一類具有專門知識的計算機智能程序系統(tǒng),它能運用特定領域中專家提供的專門知識和經(jīng)驗,并采用人工智能中的推理技術來求解和模擬通常由專家才能解決的各種復雜問題。總的來說,專家系統(tǒng)是一種具有智能的軟件,它求解方法是一種啟發(fā)式方法,專家系統(tǒng)所要解決的問題一般無算法解,并且與傳統(tǒng)的計算機程序上不同之處在于,它要經(jīng)常在不完全、不精確或不確定的信息基礎上做出結論。在近年來的專家系統(tǒng)或“知識工程”的研究中,已經(jīng)出現(xiàn)了成功和有效應用人工智能技術的趨勢,具有有代表性的是用戶與專家系統(tǒng)進行“咨詢對話”,如同其與專家面對面的進行對話是一樣的:解釋問題并建議進行某些試驗,向專家系統(tǒng)詢問以期得到有關解答等。當前的實驗系統(tǒng),在比如化學和地質數(shù)據(jù)分析、計算機系統(tǒng)結構、建筑工程以及醫(yī)療診斷等咨詢任務方面,已達到很高的水平。另外,還有很多研究主要是集中在讓專家系統(tǒng)能夠說明推理的能力,從而使咨詢更好地被用戶接受,同時還能幫助人類發(fā)現(xiàn)系統(tǒng)推理過程中所出現(xiàn)的差錯。發(fā)展專家系統(tǒng)的關鍵在于表達和運用專家知識,即來自人類專家的且已被證明能夠解決某領域內的典型問題的有用的事實和過程。不同領域與不同類型的專家系統(tǒng),它們的體系結構和功能是有一定的差異的,但它們的組成基本一致。一個基本的專家系統(tǒng)主要由知識庫、數(shù)據(jù)庫、推理機、解釋機制、知識獲取和用戶界面六部分組成,如圖1所示。3.3對人工智能學習方法的分類機器學習(MachineLearning)是研究如何使用計算機模擬或實現(xiàn)人類的學習活動。它是繼專家系統(tǒng)之后人工智能的又一重要應用領域,是使計算機具有智能的根本途徑,也是人工智能研究的核心課題之一,它的應用遍及人工智能的各個領域。學習是人類智能的重要特征,是獲得知識的基本手段,而機器學習也是使計算機具有智能的根本途徑,如香克所說:“一臺計算機若不會學習,就不能稱為具有智能的?！背酥?機器學習還有助于發(fā)現(xiàn)人類學習的機理和揭示人腦的奧秘。學習是一個有特定目的的知識獲取過程,它的內部主要表現(xiàn)為新知識結構的不斷建立和修改,外部表現(xiàn)為性能的改善。一個學習過程本質上講,就是學習系統(tǒng)把導師(或專家)提供的信息轉換成能被系統(tǒng)理解并應用的形式的過程。按照系統(tǒng)對導師的依賴程度可將學習方法分類為:機械式學習(Rotelearning)、講授式學習(Learningfrominstruction)、類比學習(Learningbyanalogy)、歸納學習(Learningfrominduction)、觀察發(fā)現(xiàn)式學習(learningbyobservationanddiscovery)等。此外,近年來又發(fā)展了基于解釋、事例、概念、神經(jīng)網(wǎng)絡的學習和遺傳學習等學習方法。3.4抽象與模擬的目人工神經(jīng)網(wǎng)絡(AficialNeuralNetwork),是由大量處理單元即神經(jīng)元互連而成的網(wǎng)絡,也常簡稱為神經(jīng)網(wǎng)絡或類神經(jīng)網(wǎng)絡。神經(jīng)網(wǎng)絡是一種由大量的節(jié)點(或稱神經(jīng)元)和之間相互聯(lián)接構成的運算模型,是對人腦或自然神經(jīng)網(wǎng)絡一些基本特性的抽象和模擬,其目的在于模擬大腦的某些機理與機制,從而實現(xiàn)某些方面的功能。通俗地講,人工神經(jīng)網(wǎng)絡是仿真研究生物神經(jīng)網(wǎng)絡的結果。詳細地說,人工神經(jīng)網(wǎng)絡是為獲得某個特定問題的解,根據(jù)所掌握的生物神經(jīng)網(wǎng)絡機理,按照控制工程的思路及數(shù)學描述方法,建立相應的數(shù)學模型并采用適當?shù)乃惴?而有針對性地確定數(shù)學模型參數(shù)的技術。神經(jīng)網(wǎng)絡的信息處理是由神經(jīng)元之間的相互作用實現(xiàn)的:知識與信息的存貯主要表現(xiàn)為網(wǎng)絡元件互連間分布式的物理聯(lián)系。人工神經(jīng)網(wǎng)絡具有很強的自學習能力,它可以不依賴于“專家”的頭腦,而自動從已有的實驗數(shù)據(jù)中總結規(guī)律。由此,人工神經(jīng)網(wǎng)絡擅長于處理復雜多維的非線性問題,不但可以解決定性問題,也可解決定量的問題,同時還具有大規(guī)模并行處理和分布的信息存儲能力,具有良好的自適應、自組織性以及很強的學習、聯(lián)想、容錯和較好的可靠性。3.5機器視覺、語音識別與機器識別計算機人工智能所研究的模式識別是指用計算機代替人類或幫助人類感知模式。其主要的研究對象是計算機模式識別系統(tǒng),也就是讓計算機系統(tǒng)能夠模擬人類通過感覺器官對外界產(chǎn)生的各種感知能力。較早的模式識別研究工作集中在對文字和二維圖像的識別方面,并取得了不少成果。自20世紀60年代中期起,機器視覺方面的研究工作開始轉向解釋和描述復雜的三維景物這一更困難的課題。羅伯斯特(Robest)于1965年發(fā)表的論文奠定了分析由棱柱體組成的景物的方向,邁出了用計算機將三維圖像解釋成三維景物的一個單眼視圖的第一步,即所謂的積木世界。接著,機器識別由積木世界進入識別更復雜的景物和在復雜環(huán)境中尋找目標以及室外景物分析等方面的研究。目前研究的熱點是活動目標(如飛行器)的識別和分析,它是景物分析走向實用化研究的一個標志。語音識別技術的研究始于20世紀50年代初期,發(fā)展到20世紀70年代,各種語音識別裝置相繼出現(xiàn),性能良好的能夠識別單詞的聲音識別系統(tǒng)已進入實用階段,神經(jīng)網(wǎng)絡用于語音識別也已取得成功。作為一門新興學科,模式識別在不斷發(fā)展,其理論基礎和研究范圍也在不斷發(fā)展。當前模式識別正處于大發(fā)展的階段,隨著其應用范圍的逐漸擴大及計算機科學的發(fā)展,模式識別技術將在今后有更大的發(fā)展,并且量子計算技術也將用于模式識別的研究。3.6擬生命系統(tǒng)的國際會議人工生命(ArtificialLife,簡稱AL)是由美國圣菲研究所非線性研究組的計算機科學家ChristopherLangton于1987年與LosAlamosNationalLaboratory召開的“生成以及模擬生命系統(tǒng)的國際會議”上首先提出的。它主要是通過人工模擬生命系統(tǒng)來研究生命的領域。AL的概念主要包括兩方面內容:1)計算機科學領域的虛擬生命系統(tǒng),主要涉及計算機軟件工程和人工智能技術;2)基因工程技術人工改造生物的工程生物系統(tǒng),主要涉及合成生物學技術。相比于傳統(tǒng)的人工智能和神經(jīng)網(wǎng)絡,人工生命不論在理論上還是方法上都有很大的區(qū)別。人工生命主要是通過計算機仿真生命現(xiàn)象來體現(xiàn)自適應機理,對相關非線性對象進行更真實的動態(tài)描述以及動態(tài)特征研究。人工生命學科主要包括仿生系統(tǒng)、人工建模與仿真、人工生命的計算理論、進化動力學、