人工智能：过去、现在及未来

《人工智能：过去、现在及未来》由会员分享，可在线阅读，更多相关《人工智能：过去、现在及未来（6页珍藏版）》请在金锄头文库上搜索。

1、人工智能过去现在即将来F0503028 5050309345 田威摘要：本文简要介绍了人工智能的历史、现状及发展方向，并对人工智能的发展提出了一些担 心。关键词：人工智能 算术运算 数学运算 逻辑推理 专家系统 模式识别 情感计算 情感理解0.引言：什么是人工智能人工智能是指用人工的方法和技术，模仿、延伸和扩展人的智能，实现机器的智能化， 人工情感指用人工的方法和技术，模仿、延伸和扩展人的情感，使机器具有识别、理解 和表达情感的能力。 人工智能的起源1956年美国达特莫斯大学(Dartmouth)召开了一次影响深远的历史性会议，参加这次聚会的青年学者的研究专业包括数学、心理学、神经生理学、信息

2、论和电脑科学等，他 们分别从不同的角度共同探讨人工智能的可能性，正是这次会议首次提出了“人工智能”(AI )这一术语，标志着人工智能作为一门新兴学科正式诞生。人工智能科学想要解 决的问题，是让电脑也具有人类那种听、说、读、写、思考、学习、适应环境变化和解 决各种实际问题的能力。1. 人工智能:一路走来 算术运算阶段1614 年苏格兰人 John Napier 发表了一篇论文 ，其中提到他发明了一种可以进行四则 运算和方根运算的精巧装置；1625 年 William Oughtred 发明计算尺；1642 年，法国哲学家 兼数学家Blaise Pascal发明了第一台真正的机械计算 滚轮式加法器

3、，其外观上有6个 轮子，分别代表着个、十、百、千、万、十万等，只需要顺时针拨动轮子，就可以进行加法 而逆时针则进行减法，原理和手表很像，算是计算机的开山鼻祖了 ； 1822年英国人Charles Babbage设计了差分机和分析机，其设计理论非常超前，类似于百年后的电子计算机，特别 是利用卡片输入程序和数据的设计被后人所采用；1834年Babbage设想制造一台通用分析 机，能够完成所有的算术运算，该分析机由四个基本部件构成：存储库、运算室、传送机构 和送人取出机构，类似于现代计算机的五大装置：输入、控制、运算、存储和输出装置，因 此他被公认为计算机之父；1848年英国数学家George Bo

4、ole创立二进制代数学，提前近一 个世纪为现代二进制计算机的发展铺平了道路。算术运算主要是以机械方式来实施的。 数学运算阶段在以机械方式运行的计算器诞生百年之后，随着电子技术的突飞猛进以及真空二极管和 真空三极管的发明，计算机开始了真正意义上的由机械向电子时代的过渡。电子器件逐渐演 变成为计算机的主体，而机械部件则渐渐处于从属位置。1906年美国人Lee De Forest发明 电子管，为电子计算机的发展奠定了基础；1924年2月IBM公司成立，从此一个具有划时 代意义的公司诞生；1937年英国剑桥大学的Alan M.Turing出版了他的论文，并提出了被后 人称之为“图灵机”的数学模型； 1

5、941 年 Atanasoff 和学生 Berry 完成了能解线性代数方程的 计算机，取名叫“ABC”，用电容作存储器，用穿孔卡片作辅助存储器，完成一次加法运算 用时一秒；1946年美国宾夕法尼亚大学莫尔学院制成的大型电子数字积分计算机(ENIAC), 最初也专门用于火炮弹道计算，后经多次改进而成为能进行各种科学计算的通用计算机，这 就是人们常常提到的世界上第一台电子计算机；1945年数学家冯诺伊曼发表了电子离散变 量自动计算机(EDVAC)方案；此阶段的数学运算主要是以机电方式或电子管方式来实施的。 逻辑推理阶段1950年图林发表了一篇划时代论文计算机与智能，引起了巨大的震动，他认为，与 人

6、脑的活动方式极为相似的机器是可以制造出来的。逻辑推理是人类思维的重要方面，包括归纳推理、演绎推理和模糊推理等多种形式。人 工智能的核心内容就是要模拟这些推理形式，实现诸如故障诊断、数学定理证明、问题判断 与求解、博弈等功能，因此逻辑推理是人工智能的核心内容之一。当机器有了逻辑推理能力 以后，就能够比普通机器更加灵活地分析问题和处理问题，从而适用于更加复杂多变的应用 场合。1956年纽厄尔、赫伯特西蒙等人发现人们求解数学题通常是用试凑的办法进行的，试 凑时不一定列出了所有的可能性，而是用逻辑推理来迅速缩小搜索范围，人类证明数学定理 也是通过“分解”(把一个复杂问题分解为几个简单的子问题)和“代入

7、”(利用已知常量代入 未知的变量)等方法，用已知的定理、公理或解题规则进行试探性推理，直到所有的子问题 最终都变成已知的定理或公理，从而解决整个问题。人类求证数学定理也是一种启发式搜索。 因此他们利用程序向数学定理试图证明一些数学定理并取得了初步的成功。 此阶段的逻辑推理主要是以晶体管方式或集成电路方式来实施的。 专家系统阶段1977年第五届国际人工智能大会上提出了“知识工程”的概念，标志着AI研究从传统的 以推理为中心，进入到以知识为中心的新阶段。他具体介绍了他们所开发的第一个“专家系 统”。 专家系统是一种智能的计算机程序，它能够运用知识进行推理，解决只有专家才能解 决的复杂问题。也就是说

8、，专家系统是一种模拟专家决策能力的计算机系统。专家系统是以 逻辑推理为手段，以知识为中心解决问题的。专家系统的客观目的就是要在机器智能与人类 智慧集大成者专家的知识经验之间建造一座桥梁，它是人类专家可以信赖的高水平智力 助手。人类专家的知识通常包括书本知识和实践经验两大类。80 年代以后的专家系统逐步朝着大型化、集成化发展，从狭窄的专业领域走向宽广的 多科领域，知识工程开始具备了方法学的性质。人如果要灵活地分析问题和处理问题，并且适用于复杂多变的应用场合，就必须不断地 吸收新知识和新信息，总结经验与教训，变更计划与步骤，这就需要不断地进行学习，在人 工智能中，“学习”具有重要的意义。显然，专家

9、系统已经开始具备了“学习”的功能，专 家系统的“学习”过程就是知识的自动积累过程。在数学推理系统中，“学习”过程就是根 据一些简单的概念推理形成较复杂的概念，并作出数学猜想等，根据一些简单的公理推理形 成较复杂的公理，并作出理论假说等；在问题判断与求解中，“学习”过程就是根据执行情 况修改计划。此阶段的专家系统主要是以大规模集成电路方式来实施的。模式识别阶段模式识别是近30 年来得到迅速发展的人工智能分支学科。但是，对于什么是“模式”， 或者什么是机器（也包括人）能够辨认的模式，迄今尚无确切的定义。电脑模式识别技术最 初起源于图象识别的需要，。严格地说，模式识别又不是简单的分类学，它的目标包括

10、对于 识别对象的描述、理解与综合。在 1973 年召开的模式识别第一次国际学术会议基础上，成立了国际模式识别协会 （IAPP）。一位专家曾经指出：“模式识别是本世纪雄心最大的学科，需要电脑科学家、数 学家、生物学家、心理学家、哲学家和社会学家的通力合作。 ”图象模式识别技术比较成功的运用领域是文字识别。如果把每一个中文汉字或西文字母 都视为一个小图形，模板匹配的方法自然可以移植到文字识别过程中。目前，印刷体文字识 别软件早已经进入商品化阶段，被称为OCR光学字符识别软件。通常可将书籍、报纸等印 刷品上的文字用扫描仪输入，首先经过特征抽取处理，例如，某字的笔画有几笔，收尾端点 有几个，拐角有多少

11、等等。在电脑里已经预先保存了各种字的图形和它们的特征，也称为“模 板”，全部模板就构成一部“模板字典库”。由于要考虑字体、字号、纸张、油墨等因素影响， 每一个字都有若干套不同的模板。接下来就是将抽取到的文字特征与模板字典逐一匹配，直 到在字典库中寻找到最接近的模板为止。运用这种方法，对于印刷体文字，电脑能够以“一 目十行”的速度进行阅读。此外，实时跟踪人手写字的笔画顺序来识别手写文字的模式识别 技术，也已经达到实用化程度，诸如常见的汉字笔输入软件。人类相互之间交流思想，除“读写”之外的重要途径是“听说”，电脑语音识别理所当 然被列为与图象识别同等重要的人工智能技术，它包括用口令控制电脑的动作、

12、或者根据口 述声音录入文字、设计出“会听话”的电脑等内容。语音识别的基础技术也是模式识别，通 常每个人说话的音色和音调都有一定的差异，发声频率各不相同，人脑对语音似乎有一种自 适应的能力，既能区分不同性别不同年龄的语音差异，又能调整为能够理解的基本音素，从 而听懂各色人等说出的话语。采用模板匹配方式的电脑不可能具备这种本领，它通常只能 “听懂”特定某人的声音，而且是经过了一段时间“学习”的结果。学习过程称为“训 练”，即对着电脑大声重复地讲述某些字词，直到它把这些字词的声音频谱特征“记住”， 存放在参考样本库作为识别这个字词的模板。如果换了另一人说话，电脑就不能正确地识 别，这就是对说话者的依

13、赖性，也叫“认人”的识别系统。语音识别技术在近年获得了令人惊异的进展。现有的产品如IBM的ViaVoice已经可以 对连续的语言进行比较可靠的识别；微软研究院的语音技术组希望增强PC产生和识别自然 语言的能力，并支持所有类型的自然语言输入（包括文字输入和语音输入），并且可以将输 入的语言进行结构化处理。人工智能模式识别的进展，已经在一定程度上使电脑具备了“听”、“说”、“读”的 能力，但距离理想的目标还有较长的路程。对于人类来说，哪怕你把字写得龙飞凤舞，哪怕 你把话说得含糊不清，我们也能根据对上下文的理解做出正确的识别，它表明人脑模式识别 的方法，不是或者不完全是什么“模板匹配”。对与模糊信息

14、的识别处理，人脑比电脑要擅 长得多。此阶段的模式识别主要是以超大规模集成电路方式来实施的。 情感计算阶段人们一直期盼着能拥有并使用更为人性化和智能化的计算机，只有这样，才能实现从人 操作计算机转变为计算机辅助人，才能实现计算机由认知型转变为直觉型。“情感计算”研 究就是试图创建一种能感知、识别和理解人的情感，并能针对人的情感做出智能、灵敏、友 好反应的计算机系统。情感具有三种生理学成分：主观体验，即个体对于不同情感状态的自我感受；外部 表现，即表情，在情感状态发生时身体各部分的动作量化形式，表情包括面部表情（面部肌 肉变化所组成的模式）、姿态表情（身体其他部分的表情动作）和语调表情（言语的声调

15、、 节奏、速度等方面的变化）；生理唤醒，即情感产生的生理反应强度（如心率、血压、呼 吸、皮肤电活动、瞳孔直径、脑电EEG等），是一种生理组织的激活水平。情感计算就是对 情感的三种生理学成分进行测量与计算。情感计算的主要内容包括：三维空间中动态情感信息的实时获取与建模，基于多模态和 动态时序特征的情感识别与理解及其信息融合的理论与方法，情感的自动生成理论及面向多 模态的情感表达，以及基于生理和行为特征的大规模动态情感数据资源库的建立等。情感计算的本质就是对人的情感表达的生理学成分的测量与计算，以及对人的情感表达 模式的识别，它不是真正意义上的对于人的情感内部逻辑关系的计算，其主要目的在于建立 友

16、好的、人性化的人机界面，帮助使用者获得高效而又亲切的感觉，并有效减轻使用电脑的 挫败感，构筑更贴近人们生活的智能空间或虚拟场景。 情感理解阶段对于目前情感计算的理论基础，一些专家指出这是一种具有明显缺陷的智能化理论体 系，理论的发展往往决定着技术的最终高度，智能化技术想要只依靠现有的传统理论达到比 其他技术更高的地步，显然是不现实的，经典的思维根本不能处理智能化的问题，即使是部 分解决，也要付出极其高昂的代价。到此为止，人工智能已经接近了它的技术顶点，如果不 解决深层次的理论问题，不发生人工智能的基础理论体系上的重大突破，要使计算机具有人 类式的情感是永远不可能的。深层次的理论问题包括：情感的哲学本质是什么？人类拥有情感的客观目的是什么？人 的情感与认知、意志之间是如何交互作用的？情感的层次结构及其各层次之间的逻辑关系如 何？情感的基本分类是怎样的，有何客观依据？情感的动力特