《从人机对战谈人工智能的发展.doc》由会员分享，可在线阅读，更多相关《从人机对战谈人工智能的发展.doc（6页珍藏版）》请在金锄头文库上搜索。
1、从人机对弈谈人工智能的发展摘要：本文从人机对弈案例入手，简略分析计算机如何对战人类棋手，就计算机的优势和劣势引出当前人工智能的不足之处；在概括人工智能发展现状的同时，尝试找出人工智能与人类智能的差距，并对人工智能的未来做以展望。关键词：人机对弈 人工智能引言：相信许多喜欢下棋的同学都有与计算机对弈的经历。一些计算机软件的棋力可以达到很高的水平，不失为人类强劲的对手，更有甚者让世界冠军甘拜下风。很多人不禁为之担忧：随着人工智能技术的迅猛发展，计算机的智能是否已经超越人类？人类是否面临着毁灭的危险？正文：1.人机对弈：谁更强？1.1著名人机对弈案例历史上最著名的人机对弈发生在1997年。当时34岁
2、的俄罗斯棋手卡斯帕罗夫已经统治国际象棋棋坛长达十年之久，被公认为有史以来最强的棋手之一，而向他发出挑战的，是每秒能计算2亿步棋，由IBM公司开发的超级计算机“深蓝”。经过长达一周的6局对弈，“深蓝”2胜3平1负力挫卡式，以一场决定性的胜利，向世人展现了计算机智能的威力。随着计算机技术的飞速发展，“人机对弈”也越来越成为人们津津乐道的话题。2003年2月，卡斯帕罗夫再次出战，3:3战平了三届计算机国际象棋冠军“小深”。2004年，中国棋后诸宸两负计算机软件“紫光之星”。2006年，首次中国象棋人机大战在北京奥体中心举行，徐天红等5位象棋大师以4.55.5的总比分不敌超级计算机“天梭”。计算机在与
3、人类的智力对决中屡屡获胜，其制胜法宝是什么？是否代表着计算机的智力已经超过人类？下面，笔者以“深蓝”战胜卡斯帕罗夫为例，分析计算机缘何在某些领域上能够与人类一较高下。1.2 计算机缘何战胜人类棋手计算机得以战胜人类，主要凭借其强大的大规模并行处理信息能力。在经典的国际象棋比赛中，要求棋手在3分钟内走一步棋。在这3分钟内，“深蓝”可以计算600亿步棋，对于最多这能计算180步的卡斯帕罗夫来言无疑是一个天文数字。在每走一步棋之前，“深蓝”都会对四个方面进行评估：棋子的价值、棋子的位置、棋局的步调和王的安全性，并结合预先输入的、几乎世界上所有的棋谱，来衡量局势的好坏。对于每一种合法的走法，“深蓝”对
4、其进行评分，并最终选择一种得分最高的走法。这样，对弈问题就完全变成了纯粹的计算。依靠强大的计算能力，一台冰冷的机器就这样表现出人性化的某些智能性。无论是国际象棋、中国象棋还是其它棋类，计算机取胜的法宝在于找到所有可能方案，再结合某种预先规定的算法（或者说是逻辑），遍历所有可能、找出最优的解决方案。目前棋类博弈的算法主要有两大类：模式匹配和使用博弈树。所谓模式匹配，是指将两个模式作为输入，计算模式元素之间对应关系的过程。应用到棋类博弈中，就是在庞大的数据库中搜寻与当前棋局最相似的棋局，并将搜寻到的结果作为参考。而博弈树类似于状态图和问题求解搜索中用到的搜索树。博弈树的结点对应于某一未来可能的棋局
5、，其分支代表走一步棋；根部对应于当前的棋局状态，叶代表对弈到此结束。在叶对应的棋局中，比赛的结果可以是赢、输或者和局。对于任何一种棋类来说，其博弈树都是巨大的。以一局普通的国际象棋棋局为例，如果进行30回合，那么树的结点数就会呈现以60为指数的指数爆炸形式。因此对于某些走法应进行合并和剔除，如采用-博弈树简枝法。最后，在每一步的众多节点中，选择连有“赢”树叶最多的结点，这就是最优的解决方案。限于篇幅和个人水平，更具体的算法在此不做进一步阐述。1.3.计算机下棋的弱点由博弈树可以看到，可能的方案越少、判断局势优劣的算法越简单，计算机在与人类的对抗中胜算越大。对于五子棋，由于规则相对容易，合理走法
6、相对较少，通过并不复杂的算法编写C或JAVA程序（仅需千行左右）便可实现人机对弈；目前开发的五子棋软件水平也相对较高，普通PC机即可运行；对于国际象棋，由于计算范围及计算复杂性提高，计算机战胜人类的难度加大，并通常要依赖于超级计算机。至于围棋，为何计算机的围棋水平停滞不前，至今只能与业余选手抗衡？原因之一是棋局复杂，变化极多。据估计，国际象棋搜索7个回合内的优化方案大致有500亿种选择，以当前的技术水平仍可以承受；然而在围棋中，假设每步只有100个可行点（这仅仅是保守估计），那么7个回合之内就有1028种变化，显然无法进行全局搜索，计算机的水平自然也大打折扣。原因之二是棋局具有反复性。如打劫、
7、“道脱靴”，一块空可几易其主，“死子”未必无用，“活子”有时反倒堪虞；棋局具有灵活性，往往通过弃子取势、弃子争先来改变全局的走势。因此很难像国际象棋一样，判断每一枚棋子的价值。原因之三，也是最主要的原因在于没有确切判断局势优劣的逻辑。也就是说，对于全局的判断很难用一个函数去量化，更多需要棋手的感觉和经验，是一种“只可意会不可言传”的东西。对于局势的分析，不仅需要简单的计算，还需要模糊识别（在大量复杂的信息中识别出自己认为有用的部分，即对接受的信息与以往的经验和记忆进行关联认识，再剔除无用的部分）、情感识别（即不同的人有不同的理解和情感倾向）。而人的优势正在于模糊判断、灵敏的直觉和判断力，这些无
8、疑是计算机所缺乏的。基于以上几点原因，计算机无法在围棋上战胜人类也就不足为怪了。同样，对于军棋，由于其布局具有极强的不确定性，行棋过程与博弈、心理战密切相关，恰恰击中了计算机的薄弱之处，因此软件的水平也没有达到一个较高的平台。总而言之，在纯粹理性的领域中，计算机能够以精确快速的计算与人脑相抗衡、甚至更胜一筹；然而一旦问题涉及到感性层面，即与情感、直觉、创造力密切相关的时候，计算机往往表现的不尽如人意。这也正是未来人工智能发展所要突破的瓶颈。2 人工智能的现状与未来2.1人工智能的概念以上所谈及的人机对弈，其实仅仅是人工智能应用的一个方面。人工智能（artificial intelligence
9、），是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学，与基因工程、纳米技术并称为二十一世纪三大尖端技术。人工智能是计算机科学的一个分支，其目的是了解智能的实质，并生产出一种能以人类智能的方式做出反应的智能机器。该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。2.2计算机的“智能”“人工智能”的定义可分为两部分：“人工”和“智能”。一切人类参与和改变的事物都可以称作“人工”，显然这不是人们的关注点。如何实现“智能”，才是人工智能技术的关键。根据加德纳的多元智能理论，智能大致可表现为八个方面：语言、数学逻辑、空间感知、身体运动、音乐、人际交往
10、、自我认知、自然认知。语言智能 当前计算机语音识别和处理软件已经做到了相当高的水平，在今年美国的智力竞赛节目危险边缘中上演了真人与电脑对决的好戏，IBM超级电脑“沃森”以绝对优势击败了该节目的两名“常胜将军”。可以说计算机已经具有了基本的“语言智能”。数学逻辑智能 这无疑是计算机的强项，人们通过预先设计的算法赋予计算机一定的逻辑，使其有效地进行计算、测量、推理、归纳、分类。上文中提到的“人机对弈”就是计算机强大数学逻辑智能的最好体现。空间智能 是指准确感知视觉空间及周边事物，并且能把所感觉到的形象以图画的形式表现出来的能力。对于具有图像收集和处理系统的计算机而言，这显然不是一件难事。身体运动能
11、力 是指善于运用整个身体来表达思想和感情、灵活地运用双手制作或操作物体的能力。随着机器人功能的日趋完善，无论是在工业、医学、建筑业还是军事领域，机器人都凭借强大的生存能力和愈发出色的机动性发挥着重要作用，如排爆机器人，家务机器人等等。音乐能力 是指人能够敏锐地感知音调、旋律、节奏、音色等能力。由于对声音的感知更为精确，无疑计算机在这一方面比人类更胜一筹。甚至某些音乐软件可以创作出上乘的音乐作品。在以上几个方面，计算机都表现出接近人类甚至更高的“智能”。那么是否“人工智能”已经实现？计算机真的能够与人类一较高下吗？下面我们切入问题的核心，即“智能”的本质。2.3离真正的智能有多远有关“智能”的定
12、义至今仍是一个有争议的话题。根据百度百科，从感觉到记忆到思维这一过程，称为“智慧”，智慧的结果产生行为和语言，行为和语言的表达过程称为“能力”，两者合称“智能”。感觉、记忆、回忆、思维、语言、行为的整个过程称为智能过程。笔者认为，“智能”的本质在于意识。意识，即思考并感知我们自身的存在，并通过自身的感知对外界环境做出各种反应和行为，同时判断自身的位置和状态、产生记忆。基于自我意识，意识主体便具有了一定的自主性，能够按照自身思维，改变自我状态、进行自我更新、决定自身行为。这就是基本的“智能”。对人而言，由于其产生意识系统大脑的复杂性和特殊性，具有了学习、语言、理解和创新能力，使人类的经验和科学得
13、以通过语言和文字传承，并积累到社会意识中。在这样的过程中，人类的科学水平不断进步，同时自我意识不断加强，从而使人的智能很大程度上领先于其他生物体。那么计算机是否真正具有“智能”呢？的确，计算机可以做到和人类一样，对外界条件做出采集、传递、存储、提取、删除、对比、筛选、判别、排列、分类、整合、表达等活动，具有一定程度的感知和思维能力，但计算机不具有“智能”的本质自我意识。这决定了计算机只能通过人预先编译的程序或系统做出各种各样的行为，却无法自行进行创造，无法提高自身能力，也不能自我更新和繁殖。正因如此，目前的“人工智能”只能是非生物性的、低层次的智能，是无意识的机械的物理过程，计算机不具备2.2
14、中提到的人际交往能力、自我认知能力和自然认知能力。无论何时，总是人的思维在前，计算机的思维在后。因此，人工智能目前还无法与人类智能相提并论。2.4 “弱人工智能”和“强人工智能”基于上文的讨论，在这里引入“弱人工智能”和“强人工智能”的概念。弱人工智能，即所谓的“智能机器”不具备真正推理和解决问题的能力，只不过看上去像是智能的，但是并不真正拥有智能，也不会有自我意识。前文中提到计算机的各种“智能”，就都属于弱人工智能。当前主流科研集中在弱人工智能上，并取得了显著的成效。实现弱人工智能，主要采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。这种方法叫工程
15、学方法。相对于“弱人工智能”，“强人工智能”观点认为可以制造出真正的智能机器，具有推理和解决问题的能力，并有知觉和自我意识。强人工智能的研究目前处在一个停滞不前的状态，主要原因是传统的工程学方法遇到了极大的困难，纯粹从功能上模拟人的智能，是很难在本质上有所突破的。实现真正的“人工智能”，不仅要求机器具有智能的效果，还要求通过与人类或生物机体类似的方式去实现。于是自然的，生物学逐渐渗透到人工智能的领域中，遗传算法、人工神经网络等模型应运而生。相信这也是未来人工智能的发展方向。2.5 强人工智能能否实现遗传算法和人工神经网络的发展让人们看到了实现强人工智能的曙光。遗传算法是模拟进化论的自然选择和遗
16、传学机理建立的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。大致思路是对某一问题给予一组候选解（类似于一个种群），测算每个解的适应度（类似于基因频率），然后将这组解集进行组合交叉和变异（类似于遗传变异）得到新一代解集，并在每一代候选解中进行筛选和放弃（类似于自然选择），使解集逐渐像自然进化了一样更适应问题。最终在整个解集趋于稳定后选取最优个体，便可作为提出问题的近似解。人工神经网络应用类似于大脑神经突出联接的结构，进行信息处理。神经网络由大量的结点（相当于神经元）相互连接而成，每个结点代表一种特定的输出函数（相当于神经元接受的刺激）。每两个结点间的连接（相当于轴突）都代表一个通过该连接信号的加权值。权重越大，相当于轴突收到的刺激越强，记忆越深。网络自身的建立则是自然界某种算法或函数的逼近，或是某一逻辑策略的表
