《初探人工智能.doc》由会员分享，可在线阅读，更多相关《初探人工智能.doc（9页珍藏版）》请在金锄头文库上搜索。
1、初探人工智能初探人工智能 人工智能简介人工智能已对现实社会做出了非常重大的贡献，而且其作用已在各领域发挥得淋漓尽致，特别是在计算机领域，人工智能的应用更加突出，可以说，哪里有计算机应用，哪里就在应用人工智能；哪里需要自动化或半自动化，哪里就在应用人工智能的理论、方法和技术。目前，人工智能应用的主要领域，也就是计算机应用的主要领域。人工智能是一门研究人类智能的机理以及如何用机器模拟人的智能的学科。从后一种意义上讲，人工智能又被称为“机器智能”或“智能模拟”。人工智能是在现代电子计算机出现之后才发展起来的，它一方面成为人类智能的延长，另一方面又为探讨人类智能机理提供了新的理论和研究方法。人工智能研
2、究的一个主要目的是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但是，不同的时代、不同的人对这种“复杂工作”的理解是不同的。例如繁重的科学和工程计算本来是要人脑来承担的，现在电子计算机不但能完成这种计算，而且能够比人脑做得更快、更准确，于是当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”。可见复杂工作的定义是随着时代的发展和技术的进步而变化的，人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展，一方面又转向更有意义、更加困难的目标。人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。除了计算机科学以外，人工智能还涉及信息论、控制论、自动
3、化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。从国际范围来看，人工智能的研究途径主要有三条。第一，生理学途径，采用仿生学的方法，模拟动物和人的感官以及大脑的结构和机能，制成神经元模型和脑模型；第二，心理学途径，应用实验心理学方法，总结人们思维活动的规律，用电子计算机进行心理模拟；第三，工程技术途径，研究怎样用代写论文电子计算机从功能上模拟人的智能行为。目前，第三种研究方法发展较快。它也从前两种方法中吸收新的思想，依靠新的启示扩大自己的成果。#人工智能的过去一般认为，人工智能的思想萌芽可以追溯到德国著名数学家和哲学家莱布尼茨$%&()*+，,!,-.,/提出的0通用语言0设
4、想。这一设想的要点是：建立一种通用的符号语言，用这个语言中的符号表达“思想内容”，用符号之间的形式关系表达“思想内容”之间的逻辑关系。于是，在“通用语言”中可以实现“思维的机械化”这一设想可以看成是对人工智能的最早描述。计算机科学的创始人图灵被认为是“人工智能之父”，他着重研究了一台计算机应满足怎样的条件才能称为是“有智能的”。123年他提出了著名的“图灵实验”：让一个人和一台计算机分别处于两个房间里，与外界的联系仅仅通过键盘和打印机。由人类裁判员向房间里的人和计算机提问$比如：“你是机器还是人4”或“你是男人还是女人4”等等/，并通过人和计算机的回答来判断哪个房间里是人、哪个房间里是计算机。
5、图灵认为，如果“中等程度”的裁判员不能正确地区分，则这样的计算机可以称为是有智能的。“图灵实验”是关于智能标准的一个明确定义。有趣的是，尽管后来有些计算机已经通过了图灵实验，但人们并不承认这些计算机是有智能的。这反映出人们对智能标准的认识更深入、对人工智能的要求更高了。几乎在图灵上述工作的同时，冯诺依曼从生物学角度研究了人工智能。从生物学的观点看，智能是进化的结果，而进化的基本条件之一是“繁殖”。为此，冯诺依曼构造了“自再生自动机”，这是一种有“繁殖”能力的数学模型。冯诺依曼的分析表明，自再生自动机的内容结构对于“繁殖”是充分的和必要的。他进而推测，这种结构必定存在于活的细胞之中。五年之后，克
6、里克和沃森关于567结构的重大发现完全证实了冯诺依曼的猜测：自再生自动机的几个功能模块均有生物学上的对应物。其中，模块7对应于核糖体，8对应于965酶和567聚合酶，5对应于967和567，:对应于阻遏控制分子和抗阻遏控制分子等。冯诺依曼的工作为后来人工智能中的一条研究路线#人工生命$提供了重要的基础。图灵和冯诺依曼的上述工作，以及麦克考洛和匹茨对神经元网的数学模型的研究，构成了人工智能的初创阶段。%&年夏天举行的达德茅斯研讨会，被认为是人工智能作为一门独立学科正式诞生的标志。这次研讨会聚集了来自数学、信息科学、心理学、神经生理学和计算机科学等不同领域的领导者，包括()*+,-，./012+3
7、24，5)6/*，5/7/*)/和(008431-等。其中，()9+,-，(008431-，:2;277和5)6/*后来被认为是美国人工智能界的“四大领袖”。与会者从不同角度搜索了使机器具有智能的途径和方式，并决定用“人工智能”#*3277)?2*02$一词来概括这一新的研究方向。达德茅斯研讨会开创了人工智能的第一个发展时期。在这个时期里，研究者们展开了一系列开创性工作，并取得了引人注目的成果。会后不久，:2;277，518;和5)6/*完成了一个自动证明数学定理的计算机程序/?)0 A12/4)+3#此前(843)*和B8C)+曾编制了一个算术定理的证明程序，但未发表$，证明了数学原理第二章
8、中的DE条定理，由此开创了人工智能中“自动定理证明”这一分支。%&E年，美籍逻辑学家王浩在自动定理证明中取得的重要进展。他的程序在F(GH!计算机上用不到分钟的时间证明了数学原理中“命题演算”的全部IIH条定理。%&年，王浩的改进程序用EJ!分钟证明了上述IIH条定理及谓词演算的绝大部分定理。%&ED年，美国数学学会将自动定理证明的第一个“里程碑奖”授予王浩，以表彰他的杰出贡献#自动定理证明的“里程碑奖”每I年评选一次，由此可见其份量$。受王浩工作的鼓舞，自动定理证明的研究形成一股热潮。比如，578?72的符号积分程序5:A经测试已达到了大学生的积分演算水准K而(/+)+的5:程序的效率比5:
9、A提高了约三倍，被认为达到了专家水平。自动定理证明的理论价值和应用范围并不局限于数学领域。事实上，很多问题可以转化为定理证明问题，或者与定理证明有关。可以认为，自动定理证明的核心问题是自动推理，而推理在人的智能行为中起普遍性的重要作用。基于这一看法，在自动定理证明的基础上进一步研究通用问题求解，是一个值得探索的课题。从%&G年开始，:2;277，518;和5)6/*等人着手研究不依赖于具体领域的通用解题程序，称之为LM5，它是在/?)0 A12/4)+3的基础上发展起来的，虽然后来的实践表明，LM5作为一个独立的求解程序，其能力是有限的，但在LM5中发展起来的技术对人工智能的发展有重要意义。人
10、工智能早期研究给人的深刻印象是博羿，%&年，586*27研制了一个西洋跳棋程序，该程序“天生”下跳棋水平很低，远远不是586927的对手。但它有学习能力，能从棋谱中学习，也能在实践中总结提高。经过三年的“学习”，该程序与%&年打败了586927K又经过三年，打败了美国一个州的冠军。值得注意的是，虽然下棋至多只能算是一项体育运动，下棋的程序似乎只是一种游戏程序，但586927工作的意义十分重大：它同时刺激了“搜索”和“机器学习”这两个人工智能重要领域的发展。与自动定理证明的研究意义不限于数学一样，搜索的研究意义也不限于博弈。根据认知心理学的信息处理学派的观点，人类思维过程的很大一部分可以抽象为从
11、问题的初始状态经中间状态到达终止状态的过程，因此可以转化为一个搜索问题，由机器自动地完成。例如“规划”问题。设想一台机器人被要求完成一项复杂任务，该任务包含很多不同的子任务，其中某些子任务只有在另一些子任务完成之后才能进行。这时，机器人需要事先“设想”一个可行的行动方案，使得依照该方案采取行动可以顺利完成任务。“规划”即找出一个可行的行动方案，可以通过以其子任务为状态、以其子任务间依赖关系为直接后继关系的状态空间中的搜索来实现。人工智能的早期研究还包括自然语言理解、计算机视觉和机器人等等。通过大量研究发现，仅仅依靠自动推理的搜索等通用问题求解手段是远远不够的。:2;277和5)6/*等人的认知
12、心理学研究表明，各个领域的专家之所以在其专业领域内表现出非凡的能力，主要是因为专家拥有丰富的专门知识#领域知识和经验$。GH年代中期，N2)?2*O896提出知识工程概念，标志着人工智能进入第二个发展时期。知识工程强调知识在问题求解中的作用；相应地，研究内容也划分为三个方面：知识获取，知识表示和知识利用。知识获取研究怎样有效地获得专家知识；知识表示研究怎样将专家知识表示成在计算机内易于存储、易于使用的形式；知识利用研究怎样利用已得到恰当表示的专家知识去解决具体领域内的问题。知识工程的主要技术手段是在早期成果的基础上发展起来的，特别是知识利用，主要依靠自动推理和搜索的技术成果。在知识表示方面，除
13、使用早期工作中出现的逻辑表示法和过程表示法之外，还发展了在联想记忆和自然语言理解研究中提出的语义网表示法，进而引入了框架表示法，概念依赖和脚本表示法以及产生式表示法等等各种不同方法。与早期研究不同，知识工程强调实际应用。主要的应用成果是各种专家系统。专家系统的核心部件包括：#8$表达包括专家知识和其他知识的知识库。#O$利用知识解决问题的推理机。大型专家系统的开发周期往往长达%H余年，其主要原因在于知识获取。领域专家虽然能够很好地解决问题，却往往说不清自己是怎么解决的，使用了哪些知识。这使得负责收集专家知识的知识工程师很难有效地完成知识获取任务。这种状况极大的激发了自动知识获取机器学习研究的深
14、入发展。已经得到较多研究的机器学习方法包括：归纳学习、类比学习、解释学习、强化学习和进化学习等等。机器学习的研究目标是：让机器从自己或“别人”的问题求解经验中获取相关的知识和技能，从而提高解决问题的能力。#人工智能的现在$%年代以来，随着计算机网络的普及，特别是&()*)(的出现，各种计算机技术包括人工智能技术的广泛应用推动着人机关系的重大变化。据日美等国未来学家的预测，人机关系正在迅速地从“以人为纽带”的传统模式向“以机为纽带”的新模式转变人机关系的这一转变将引起社会生产方式和生活方式的巨大变化，同时也向人工智能乃至整个信息技术提出了新的课题。这促使人工智能进入第三个发展时期。在这个新的发展
15、时期中，人工智能面临一系列新的应用需求。首先是需要提供强有力的技术手段，以支持分布式协同工作方式，现代生产是一种社会化大生产，来自不同专业的工作者在不同或相同的时间、地点从事着同一任务的不同子任务。这要求计算机不仅为每一项子任务提供辅助和支持，更需要为子任务之间的协调提供辅助和支持。由于各个子任务在很大程度上可以独立地进行，子任务之间的关系必然呈现出动态变化和难以预测的特点。于是，子任务之间的协调（即对分布协同工作的支持）向人工智能乃至整个信息技术以及基础理论提出了巨大的挑战。其次，网络化推进了信息化，使原本分散孤立的数据库形成一个互连的整体，即一个共同的信息空间。尽管现有的浏览器和搜索引擎为
16、用户在网上查找信息提供了必要的帮助，这种帮助是远远不够的，以至于“信息过载”与“信息迷失”状况日益严重。更强大的智能型信息服务工具已成为广大用户的迫切需要。另一方面，信息空间对人类的价值不仅在于单独的信息条目（比如某厂家生产出了某一新产品的信息），还远在于一大类信息中隐藏着的普遍性知识（比如某个行业供求关系的变化趋势）。于是，数据中的知识发现也成为一项迫切的研究课题。机器人始终是现代工业的迫切需求。随着机器人技术的发展，研究重点已经转向能在动态、不可预测环境中独立工作的自主机器人，以及能与其他机器人（包括人）协作的机器人。显然，这种机器人之间的合作可以看成是物理世界中的分布式协同工作，因而包括相同的理论和技术问题。由此可见，人工智能第三发展时期的突出特点是研究能够在动态、不可预测环境中自主、协调工作的计算机系统，
