人工智能发展简史

《人工智能发展简史》由会员分享，可在线阅读，更多相关《人工智能发展简史（16页珍藏版）》请在金锄头文库上搜索。

1、人工智能发展简史人工智能是在 1956 年作为一门新兴学科的名称正式提出 的，自此之后，它已经取得了惊人的成就，获得了迅速的发展， 它的发展历史，可归结为孕育、形成、发展这三个阶段。1 孕育阶段这个阶段主要是指 1956 年以前。自古以来，人们就一直试 图用各种机器来代替人的部分脑力劳动，以提高人们征服自然的能力，其中对人工智能的产生、发展有重大影响的主要研究成果 包括：早在公元前 384-公元前 322 年，伟大的哲学家亚里士多德 (Aristotle) 就在他的名著工具论中提出了形式逻辑的一些主 要定律，他提出的三段论至今仍是演绎推理的基本依据。英国哲学家培根(F. Bacon)曾系统地提

2、出了归纳法，还提出 了“知识就是力量”的警句。这对于研究人类的思维过程，以及 自20世纪 70年代人工智能转向以知识为中心的研究都产生了重 要影响。德国数学家和哲学家莱布尼茨 (G. W. Leibniz) 提出了万能符 号和推理计算的思想，他认为可以建立一种通用的符号语言以及 在此符号语言上进行推理的演算。这一思想不仅为数理逻辑的产 生和发展奠定了基础，而且是现代机器思维设计思想的萌芽。英国逻辑学家布尔(C. Boole)致力于使思维规律形式化和实现机械化，并创立了布尔代数。他在思维法则一书中首次用 符号语言描述了思维活动的基本推理法则。英国数学家图灵(A. M. Turing)在1936年

3、提出了一种理想计 算机的数学模型，即图灵机，为后来电子数字计算机的问世奠定 了理论基础。美国神经生理学家麦克洛奇(W. McCulloch)与匹兹(W.Pitts)在1943年建成了第一个神经网络模型(M-P模型)，开创了 微观人工智能的研究领域，为后来人工神经网络的研究奠定了基 础。美国爱荷华州立大学的阿塔纳索夫 (Atanasoff) 教授和他的硏究生贝瑞(Berry)在1937年至1941年间开发的世界上第一台 电子计算机“阿塔纳索夫-贝瑞计算机(Atanasoff-Berry Computer，ABC) ”为人工智能的硏究奠定了物质基础。需要说 明的是：世界上第一台计算机不是许多书上所

4、说的由美国的莫克 利和埃柯特在 1946 年发明。这是美国历史上一桩著名的公案。由上面的发展过程可以看出，人工智能的产生和发展绝不是 偶然的，它是科学技术发展的必然产物。2 形成阶段这个阶段主要是指 1956-1969 年。1956 年夏季，由当时达特茅斯大学的年轻数学助教、现任斯坦福大学教授麦卡锡 (J.MeCarthy)联合哈佛大学年轻数学和神经学家、麻省理工学院教 授明斯基(M. L. Minsky) , IBM公司信息硏究中心负责人洛切斯 特(N. Rochester)，贝尔实验室信息部数学硏究员香农(C. E.Shannon)共同发起，邀请普林斯顿大学的莫尔 仃.Moore)和IBM

5、 公司的塞缪尔 (A. L. Samuel) 、麻省理工学院的塞尔夫里奇 (O. Selfridge)和索罗莫夫(R. Solomonff)以及兰德(RAND)公司和卡 内基梅隆大学的纽厄尔(A. Newell)、西蒙(H. A. Simon)等在美国 达特茅斯大学召开了一次为时两个月的学术研讨会，讨论关于机 器智能的问题。会上经麦卡锡提议正式采用了“人工智能”这一术语。麦卡 锡因而被称为人工智能之父。这是一次具有历史意义的重要会议， 它标志着人工智能作为一门新兴学科正式诞生了。此后，美国形 成了多个人工智能研究组织，如纽厄尔和西蒙的Carnegie-RAND 协作组，明斯基和麦卡锡的 MIT

6、 研究组，塞缪 尔的 IBM 工程研究组等。自这次会议之后的 10 多年间，人工智能的研究在机器学习、 定理证明、模式识别、问题求解、专家系统及人工智能语言等方 面都取得了许多引人注目的成就，例如：在机器学习方面， 1957 年 Rosenblatt 研制成功了感知机。 这是一种将神经元用于识别的系统，它的学习功能引起了广泛的 兴趣，推动了连接机制的研究，但人们很快发现了感知机的局限 性。在定理证明方面，美籍华人数理逻辑学家王浩于 1958 年在 IBM-704 机器上用 35min 证明了数学原理中有关命题演算 的全部定理(220 条)，并且还证明了谓词演算中 150 条定理的 85% ,

7、1965年鲁宾逊(J. A. Robinson)提出了归结原理，为定理 的机器证明作出了突破性的贡献。在模式识别方面， 1959 年塞尔夫里奇推出了一个模式识别 程序，1965年罗伯特(Roberts)编制出了可分辨积木构造的程序。在问题求解方面， 1960 年纽厄尔等人通过心理学试验总结 出了人们求解问题的思维规律，编制了通用问题求解程序 (General Problem Solver ， GPS) ，可以用来求解 11 种不同类型 的问题。在专家系统方面，美国斯坦福大学的费根鲍姆 (E. A. Feigenbaum) 领导的研究小组自 1965 年开始专家系统 DENDRAL 的研究，19

8、68 年完成并投入使用。该专家系统能根据 质谱仪的实验，通过分析推理决定化合物的分子结构，其分析能 力已接近甚至超过有关化学专家的水平，在美、英等国得到了实 际的应用。该专家系统的研制成功不仅为人们提供了一个实用的 专家系统，而且对知识表示、存储、获取、推理及利用等技术是 一次非常有益的探索，为以后专家系统的建造树立了榜样，对人 工智能的发展产生了深刻的影响，其意义远远超过了系统本身在 实用上所创造的价值。在人工智能语言方面， 1960 年麦卡锡研制出了人工智能语言(List Processing , LISP)，成为建造专家系统的重要工具。1969 年成立的国际人工智能联合会议 (Inter

9、national Joint Conferences On Art ifi cial Intelligence JCAI)是人工智能发展 史上一个重要的里程碑，它标志着人工智能这门新兴学科已经得 到了世界的肯定和认可。 1970 年创刊的国际性人工智能杂志 Artificial Intelligence 对推动人工智能的发展，促进研究者 们的交流起到了重要的作用。3 发展阶段这个阶段主要是指 1970 年以后。进入 20 世纪 70 年代，许 多国家都开展了人工智能的研究， 涌现了大量的研究成果。 例如， 1972 年法国马赛大学的科麦瑞尔 (A. Comerauer) 提出并实现了 逻辑程序

10、设计语言PROLOG ；斯坦福大学的肖特利夫(E. H. Shorliffe)等人从1972年开始硏制用于诊断和治疗感染性疾病的 专家系统 MYCIN。但是，和其他新兴学科的发展一样，人工智能的发展道路也 不是平坦的。例如，机器翻译的研究没有像人们最初想象的那么 容易。当时人们总以为只要一部双向词典及一些词法知识就可以 实现两种语言文字间的互译。后来发现机器翻译远非这么简单。实际上，由机器翻译出来的文字有时会出现十分荒谬的错误。 例如，当把“眼不见，心不烦”的英语句子“ Out of sight，out of mind”。翻译成俄语变成“又瞎又疯”；当把“心有余而力 不足”的英语句子“ The

11、 spirit is willing but the flesh is weak ” 翻译成俄语，然后再翻译回来时竟变成了 “The wine is good but the meat is spoiled ”，即“酒是好的，但肉变质了”；当把“光 阴似箭”的英语句子“ Time flies like an arrow ”翻译成日语， 然后再翻译回来的时候，竟变成了“苍蝇喜欢箭”。由于机器翻译出现的这些问题， 1960 年美国政府顾问委员 会的一份报告裁定：“还不存在通用的科学文本机器翻译，也没 有很近的实现前景。”因此，英国、美国当时中断了对大部分机 器翻译项目的资助。在其他方面，如问题求解

12、、神经网络、机器 学习等，也都遇到了困难，使人工智能的研究一时陷入了困境。人工智能研究的先驱者们认真反思，总结前一段研究的经验 和教训。 1977 年费根鲍姆在第五届国际人工智能联合会议上提 出了“知识工程”的概念，对以知识为基础的智能系统的研究与 建造起到了重要的作用。大多数人接受了费根鲍姆关于以知识为 中心展开人工智能研究的观点。从此，人工智能的研究又迎来了 蓬勃发展的以知识为中心的新时期。这个时期中，专家系统的研究在多种领域中取得了重大突破， 各种不同功能、不同类型的专家系统如雨后春笋般地建立起来， 产生了巨大的经济效益及社会效益。例如，地矿勘探专家系统 PROSPECTOR 拥有 15

13、 种矿藏知识，能根据岩石标本及地质勘探 数据对矿藏资源进行估计和预测，能对矿床分布、储藏量、品位 及开采价值进行推断，制定合理的开采方案。应用该系统成功地找到了超亿美元的钼矿。专家系统 MYCIN 能识别 51 种病菌，正确地处理 23 种抗菌素， 可协助医生诊断、治疗细菌感染性血液病， 为患者提供最佳处方。 该系统成功地处理了数百个病例，并通过了严格的测试，显示出 了较高的医疗水平。美国 DEC 公司的专家系统 XCON 能根据用 户要求确定计算机的配置。由专家做这项工作一般需要 3 小时，而该系统只需要 0.5 分 钟，速度提高了 360倍。DEC公司还建立了另外一些专家系统， 由此产生的

14、净收益每年超过 4000 万美元。信用卡认证辅助决策 专家系统 American Express 能够防止不应有的损失，据说每年 可节省 2700 万美元左右。专家系统的成功，使人们越来越清楚地认识到知识是智能的 基础，对人工智能的研究必须以知识为中心来进行。对知识的表 示、利用及获取等的研究取得了较大的进展，特别是对不确定性 知识的表示与推理取得了突破，建立了主观 Bayes 理论、确定性 理论、证据理论等，对人工智能中模式识别、自然语言理解等领 域的发展提供了支持，解决了许多理论及技术上的问题。人工智能在博弈中的成功应用也举世瞩目。人们对博弈的研 究一直抱有极大的兴趣，早在 1956 年人

15、工智能刚刚作为一门学 科问世时，塞缪尔就研制出了跳棋程序。这个程序能从棋谱中学 习，也能从下棋实践中提高棋艺。 1959 年它击败了塞缪尔本人， 1962 年又击败了一个州的冠军。 1991 年 8月在悉尼举行的第12 届国际人工智能联合会议上， IBM 公司研制的“深思” (Deep Thought) 计算机系统就与澳大利亚象棋冠军约翰森 (D.Joha nsen)举行了一场人机对抗赛，结果以1:1平局告终。1957 年西蒙曾预测 10 年内计算机可以击败人类的世界冠军。虽然在 10年内没有实现，但 40 年后深蓝计算机击败国际象棋棋王卡斯 帕罗夫(Kasparov)，仅仅比预测迟了 30年

16、。1996年2月10日至17日，为了纪念世界上第一台电子计 算机诞生 50周年，美国 IBM 公司出巨资邀请国际象棋棋王卡斯 帕罗夫与 IBM 公司的深蓝计算机系统进行了六局的 “人机大战” 这场比赛被人们称为“人脑与电脑的世界决战”。参赛的双方分 别代表了人脑和电脑的世界最高水平。当时的深蓝是一台运算速 度达每秒 1 亿次的超级计算机。第一盘，深蓝就给卡斯帕罗夫一 个下马威，赢了这位世界冠军，给世界棋坛以极大的震动。但卡 斯帕罗夫总结经验，稳扎稳打，在剩下的五盘中赢三盘，平两盘， 最后以总比分 4:2 获胜。一年后，即 1997年5月3日至11日，深蓝再次挑战卡斯 帕罗夫。这时，深蓝是一台拥有 32 个处理器和强大并行计算能 力的 RS/6000SP/2 的超级计算机，运算速度达每秒 2 亿次。计 算机里存储了百余年来世界顶尖棋手的棋局， 5月3日棋王卡斯 帕罗夫首战击败深蓝，