《2020年人工智能的状态及今后发展方向展望》由会员分享，可在线阅读，更多相关《2020年人工智能的状态及今后发展方向展望（9页珍藏版）》请在金锄头文库上搜索。
1、（发展战略）人工智能的状态及今后发展方向展望人工智能的现状及今后发展趋势展望壹引言人工智能 (ArtificialIntelligence),英文缩写为AI ，也称机器智能。“人工智能”壹词最初是于 1956 年的 Dartmouth学会上提出的。它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的壹门综合性学科。从计算机应用系统的角度出发，人工智能是研究如何制造智能机器或智能系统来模拟人类智能活动的能力，以延伸人们智能的科学。二目前人工智能技术的研究和发展情况目前，人工智能技术于美国、欧洲和日本依然飞速发展。于AI 技术领域十分活跃的IBMXX公司，已经为
2、加州劳伦斯 利佛摩尔国家实验室制造了ASCIWhite电脑，号称具有人脑的千分之壹的智力能力。而正于开发的更为强大的新超级电脑“蓝色牛仔”（BlueJean ），据其研究主任保罗霍恩称，“蓝色牛仔”的智力水平将大致和人脑相当。三技术应用随着 AI 技术的发展，现代几乎各种技术的发展均涉及到了人工智能技术，能够说人工智能已经广泛应用到许多领域，其典型的应用包括：1 符号计算计算机最主要的用途之壹就是科学计算,科学计算可分为俩类:壹类是纯数值的计算 ,例如求函数的值 ;另壹类是符号计算 ,又称代数运算 ,这是壹种智能化的计算 ,处理的是符号。符号能够代表整数、有理数、实数和复数,也能够代表多项式、
3、函数、集合等。随着计算机的普及和人工智能的发展,相继出现了多种功能齐全的计算机代数系统软件 ,其中 Mathematic和 Maple是它们的代表。由于它们均是用C 语言写成的 ,所以能够于绝大多数计算机上使用。2 模式识别模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读。这里,我们把环境和客体统称为“模式”。用计算机实现模式（文字、声音、人物、物体等）的自动识别，是开发智能机器的壹个关键的突破口，也为人类认识自身智能提供线索。计算机识别的显著特点是速度快、准确性和效率高。识别过程和人类的学习过程相似，以“语音识别”为例：语音识别就是让计算机能听懂人说的话，壹个重要的例子就是七国
4、语言（英、日、意、韩、法、德、中）口语自动翻译系统。该系统实现后，人们出国预定旅馆、购买机票、于餐馆对话和兑换外币时，只要利用电话网络和国际互联网，就可用手机、电话等和“老外”通话。3 机器翻译机器翻译是利用计算机把壹种自然语言转变成另壹种自然语言的过程，用以完成这壹过程的软件系统叫做机器翻译系统。搜文网目前，国内的机器翻译软件不下百种，根据这些软件的翻译特点，大致能够分为三大类：词典翻译类、汉化翻译类和专业翻译类。词典类翻译软件的代表是“金山词霸”，堪称是多快好省的电子词典，它能够迅速查询英文单词或词组的词义且提供单词的发音，为用户了解单词或词组含义提供了极大的便利。汉化翻译软件的典型代表是
5、“东方快车2000 ”，它首先提出了“智能汉化”的概念，使翻译软件的辅助翻译作用更加明显。4 机器学习机器学习是机器具有智能的重要标志，同时也是机器获取知识的根本途径。有人认为，壹个计算机系统如果不具备学习功能，就不能称其为智能系统。机器学习主要研究如何使计算机能够模拟或实现人类的学习功能。机器学习是壹个难度较大的研究领域，它和认知科学、神经心理学、逻辑学等学科均有着密切的联系，且对人工智能的其他分支，如专家系统、自然语言理解、自动推理、智能机器人、计算机视觉、计算机听觉等方面，也会起到重要的推动作用。5 问题求解人工智能的第壹大成就是下棋程序,于下棋程序中应用的某些技术,今天的计算机程序已能
6、够达到下各种方盘棋和国际象棋的锦标赛水平。可是 ,尚未解决包括人类棋手具有但尚不能明确表达的能力，如国际象棋大师们洞察棋局的能力。另壹个问题是涉及问题的原概念,于人工智能中叫问题表示的选择,人们常能找到某种思考问题的方法 ,从而使求解变易而解决该问题。到目前为止,人工智能程序已能知道如何考虑它们要解决的问题,即搜索解答空间 ,寻找较优解答。6 逻辑推理和定理证明逻辑推理是人工智能研究中最持久的领域之壹,其中特别重要的是要找到壹些方法 ,只把注意力集中于壹个大型的数据库中的有关事实上,留意可信的证明 ,且于出现新信息时适时修正这些证明。医疗诊断和信息检索均能够和定理证明问题壹样加以形式化。 因此
7、 ,于人工智能方法的研究中，定理证明是壹个极其重要的论题。7 自然语言处理自然语言的处理是人工智能技术应用于实际领域的典型范例,经过多年艰苦努力 ,这壹领域已获得了大量令人瞩目的成果。目前该领域的主要课题是:计算机系统如何以主题和对话情境为基础,注重大量的常识世界知识和期望作用,生成和理解自然语言。这是壹个极其复杂的编码和解码问题。8 分布式人工智能分布式人工智能于20 世纪 70 年代后期出现，是人工智能研究的壹个重要分支。分布式人工智能系统壹般由多个Agen （t 智能体）组成，每壹个Agent又是壹个半自治系统， Agent之间以及 Agent和环境之间进行且发活动，且通过交互来完成问题
8、求解。9 计算机视觉计算机视觉是壹门用计算机实现或模拟人类视觉功能的新兴学科，其主要研究目标是使计算机具有通过二维图像认知三维环境信息的能力，这种能力不仅包括对三维环境中物体形状、位置、姿态、运动等几何信息的感知，而且仍包括对这些信息的描述、存储、识别和理解。目前，计算机视觉已于人类社会的许多领域得到成功应用。例如，于图像、图形识别方面有指纹识别、染色体识字符识别等；于航天和军事方面有卫星图像处理、飞行器跟踪、 成像精确制导、 景物识别、目标检测等；于医学方面有图像的脏器重建、医学图像分析等；于工业方面有各种监测系统和生产过程监控系统等。10 智能信息检索技术信息获取和精化技术已成为当代计算机
9、科学和技术研究中迫切需要研究的课题 ,将人工智能技术应用于这壹领域的研究是人工智能走向广泛实际应用的契机和突破口。11 专家系统专家系统是目前人工智能中最活跃、最有成效的壹个研究领域,它是壹种具有特定领域内大量知识和经验的程序系统。近年来 ,于“专家系统”或“知识工程”的研究中已出现了成功和有效应用人工智能技术的趋势。人类专家由于具有丰富的知识 ,所以才能达到优异地解决问题的能力。那么计算机程序如果能体现和应用这些知识 ,也应该能解决人类专家所解决的问题,而且能帮助人类专家发现推理过程中出现的差错 ,当下这壹点已被证实。如于矿物勘测、化学分析、规划和医学诊断方面 ,专家系统已经达到了人类专家的
10、水平。四目前人工智能发展中所面临的难题人工智能 (AI) 学科自 1956 年诞生至今已走过 50 多个年头 ,就研究解释和模拟人类智能、智能行为及其规律这壹总目标来说,已经迈出了可喜的壹步,某些领域已取得了相当的进展。但从整个发展的过程来见,人工智能发展曲折 ,而且仍面临不少难题，主要有以下几个方面：1 计算机博弈的困难博弈是自然界的壹种普遍现象，它表当下对自然界事物的对策或智力竞争上。博弈不仅存于于下棋之中,而且存于于政治、经济、军事和生物的斗智和竞争之中。尽管西洋跳棋和国际象棋的计算机程序已经达到了相当高的水平,然而计算机博弈依然面临着巨大的困难。这主要表当下以下俩个方面的问题：其壹是组
11、合爆炸问题 ,状态空间法是人工智能中基本的形式化方法。若用博弈树来表示状态空间,对于几种常见的棋类 ,其状态空间均大得惊人 ,例如 ,西洋跳棋为 10 的 40 次方 ,国际象棋为 10 的 120 次方 ,围棋则是 10 的 700 次方。如此巨大的状态空间 ,现有计算机是很难忍受的。其二是当下的博弈程序往往是针对二人对弈、棋局公开、有确定走步的壹类棋类进行研制的。而对于多人对弈、随机性的博弈这类问题,至少目前计算机仍是难以模拟实现的。2 机器翻译所面临的问题于计算机诞生的初期 ,有人提出了用计算机实现自动翻译的设想。目前机器翻译所面临的问题仍然是1964 年语言学家黑列尔所说的构成句子的单
12、词和歧义性问题。歧义性问题壹直是自然语言理解(NLU) 中的壹大难关。同样壹个句子于不同的场合使用 ,其含义的差异是司空见惯的。因此,要消除歧义性就要对原文的每壹个句子及其上下文进行分析理解,寻找导致歧义的词和词组于上下文中的准确意义。然而 ,计算机却往往孤立地将句子作为理解单位。另外,即使对原文有了壹定的理解 ,理解的意义如何有效地于计算机里表示出来也存于问题。目前的NLU系统几乎不能随着时间的增长而增强理解力,系统的理解大均局限于表层上,没有深层的推敲 ,没有学习 ,没有记忆 ,更没有归纳。导致这种结果的原因是计算机本身结构和研究方法的问题。当下NLU 的研究方法很不成熟 ,大多数研究局限
13、于语言这壹单独的领域 ,而没有对人们是如何理解语言这个问题做深入有效的探讨。3 自动定理证明和GPS 的局限自动定理证明的代表性工作是1965 年鲁宾逊提出的归结原理。归结原理虽然简单易行 ,但它所采用的方法是演绎,而这种形式上的演绎和人类自然演绎推理方法是截然不同的。 基于归结原理演绎推理要求把逻辑公式转化为子句集合,从而丧失了其固有的逻辑蕴含语义。 前面曾提到过的 GPS 是企图实现壹种不依赖于领域知识求解人工智能问题的通用方法。GPS 想摆脱对问题内部表达形式的依赖,可是问题的内部表达形式的合理性是和领域知识密切关联的。不管是用壹阶谓词逻辑进行定理证明的归结原理,仍是求解人工智能问题的通用方法GPS,均能够从中分析出表达能力的局限性,而这种局限性使得它们缩小了其自身的应用范围。4 模式识别的困惑虽然使用计算机进行模式识别的研究和开发已
