《人工情感的发展历程与最终归宿.doc》由会员分享，可在线阅读，更多相关《人工情感的发展历程与最终归宿.doc（12页珍藏版）》请在金锄头文库上搜索。
1、人工情感的发展历程与最终归宿仇德辉 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。由于情感是一种特殊的、更深刻的认知，具有更高的复杂性和多变性，因此人工情感必须建立在一定程度的人工智能的基础上。人工情感的发展历程可分为算术运算、数学运算、逻辑推理、专家系统、模式识别、情感计算、情感理解等七个基本阶段，其中前五个基本阶段实际上是人工智能的发展历程。从广义的角度来看，情感是一种特殊的认知，意志又是一种特殊的情感，广义的人工智能包括人工智能、人工情感与人工意志三个方面，因此上述
2、的人工情感的发展历程实际上又是广义的人工智能的发展历程。 一、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；1623年Wilhelm Schickard制作了一个能进行6 位数以内加减法运算，并能通过铃声输出答案的“计算钟”，该装置通过转动齿轮来进行操作；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器滚轮式加法器，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
3、行减法，原理和手表很像，算是计算机的开山鼻祖了；1668年英国人Samuel Morl制作了一个非十进制的加法装置，适宜计算钱币；1671年德国数学家Gottfried Leibniz 设计了一架可以进行乘法运算，最终答案长度可达16位的计算工具；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
4、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 Boole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；1890年美国人口普查部门希望能得到一台机器帮助提高普查效率，Herman Hollerith (后来他的公司发展成了IBM 公司)借鉴Babbage的发明，用穿孔卡片存储数据，并设计了机器，结果仅用6 周就得出了准确的人口统计数据(如果用人工方法，大概要花10 年时间)。 算术运算主要是以机械方式来实施的。 二、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，计算机开始了真正意义上的由机械向电子时代的过渡，电磁学、
5、电工学、电子学不断取得重大进展，在元件、器件方面接连发明了真空二极管和真空三极管，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；1935年IBM推出IBM601机，这是一台能在一秒钟内算出乘法的穿孔卡片计算机；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；1937 年Bell试验室的George Stibitz展示了用继电器表示二进制的装置，尽管仅仅是个展示品，但却是第
6、一台二进制电子计算机；1940年Bell实验室的Samuel Williams 和Stibitz 制造成功了一个能进行复杂运算的计算机，该机器大量使用了继电器，并借鉴了一些电话技术，采用了先进的编码技术；1941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，那些孔实际上是“烧”上去的，时钟频率是60Hz，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，这台完全采用电子线路执
7、行算术运算、逻辑运算和信息存储的计算机，运算速度比继电器计算机快1000倍，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；1949年英国剑桥大学数学实验室率先制成电子离散时序自动计算机(EDSAC)；美国则于1950年制成了东部标准自动计算机(SFAC)等。 与此同时，数学、物理也相应地蓬勃发展，到了20世纪30年代，物理学的各个领域经历着定量化的阶段，描述各种物理过程的数学方程，其中有的用经典的分析方法已根难解决。于是数值分析受到了重视，研究出各种数值积分、数值微分以及微分方程数值解法，把计算过程归结为巨量
8、的基本运算，从而奠定了现代计算机的数值算法基础。 社会上对先进计算工具多方面迫切的需要，是促使现代计算机诞生的根本动力，20世纪以后，各个科学领域和技术部门的计算困难堆积如山，已经阻碍了学科的继续发展，特别是第二次世界大战爆发前后，军事科学技术对高速计算工具的需要尤为迫切。 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。 三、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（后来改名为机器能思维吗？），引起了巨大的震动，他认为，与人脑的活动方式极为相似的机器是可以制造出来的。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
9、者的研究专业包括数学、心理学、神经生理学、信息论和电脑科学等，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。 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
10、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 等人合作编制的逻辑理论机数学定理证明程序（简称LT），从而使机器迈出了逻辑推理的第一步。在卡内基梅隆大学的计算机实验室，纽厄尔和西蒙通过大量的观察实例，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有类似的思维规律，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”（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
11、学定理也是一种启发式搜索，与电脑下棋的原理异曲同工，因此他们利用这个LT程序向数学定理发起了激动人心的冲击。电脑果然不孚众望，一举证明了数学家罗素的数学名著数学原理第二章中的38个定理。1963年，经过改进的LT程序在一部更大的电脑上，最终完成了第二章全部52条数学定理的证明。之后，洛克菲勒大学教授王浩用他首创的“王氏算法”，在一台速度不高的IBM704电脑上再次向数学原理发起挑战，不到9 分钟，就把这本数学史上视为里程碑的著作中全部（350条以上） 的定理统统证明了一遍，他因此被国际上公认为机器定理证明的开拓者之一。 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。 四、专家系统阶
12、段 费根鲍姆（E.Feigenbaum）在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”，并指出，专家系统“是一个已被赋予知识和才能的计算机程序，从而使这种程序所起到的作用达到专家的水平”，这种“专家水平”意味着医学教授作出诊断和治疗的水平，高级工程师从事工程技术研究和开发的水平，特级教师在课堂上传授知识的水平。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
13、类，前者可能是专家在学校读书求学时所获，也可能是从杂志和书籍中自学而来，然而，仅仅掌握了书本知识的学者还不配称为专家，专家最为宝贵的知识是他凭借多年的实践积累的经验，这是他头脑中最具魅力的知识瑰宝。 费根鲍姆研制的第一个专家系统DENDRAL是化学领域的“专家”。在输入化学分子式和质谱图等信息后，它能通过分析推理决定有机化合物的分子结构，其分析能力已经接近、甚至超过了有关化学专家的水平。该专家系统为AI的发展树立了典范，其意义远远超出了系统本身在实用上创造的价值。在费根鲍姆发表演讲后，专家系统如同雨后春笋迅速遍及世界各地。此外，在极其广泛的领域，人工智能研究者构建了不计其数的“电脑专家”，如数
14、学专家MACSYMA，农业专家PLANT，生物专家MOLGEN，地质探矿专家PROSPECTOR，教育专家GUIDON，法律专家LDS，军事专家ACES、ADEPT、ANALYST等系统。 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。美国斯坦福大学肖特列夫（Shortliff）开发的医学专家系统MYCIN，后来被研究者抽掉其具体医学知识内容而构成一个框架系统EMYCIN， 如果向其中充实其他学科的具体知识，它就能变成不同学科领域的专家，因而被知识工程师视为“专家系统的设计规范”和“建造专家系统的专家系统”。 人如果要灵活
15、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。 五、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
16、。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，比如协助警方根据照片从茫茫人海里搜寻某个罪犯，或者帮助医生把显微镜下观察的细菌形态进行分类，确认它是球菌、杆菌还是弧菌。严格地说，模式识别又不是简单的分类学，它的目标包括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。” 如果不是电脑，而是人脑接受到视觉器官（如眼睛和视网膜）传递来的信息，它究竟是怎样识别和区分大千世界的万物呢？一种可能的解决方案是：图象上的每一点都用一个神经细胞与之对应并逐一判别，最后综合为整体，但是，既使只描述图象局部的大致轮廓，神经元的数目仍不敷使用；另一种可能的方案更符合实际：
