人工智能发展综述

人工智能发展综述本文从探讨人工智能的概念出发,叙述了对“智能”的理解在研究中的地位,简要介绍了人工智能的三个阶段的发展简史、现在的研究与应用热点,并指出人工智能的进一步发展依赖于更先进的数学工具。对于人工智能的研究领域本文也做了较为具体的阐明,特别介绍了将人工智能结合优化办法应用在决策过程中的研究现状,同时还对人工智能在我国的发呈现状及所获得的成果做了有关的研究与分析,最后对于人工智能的将来提出了一系列的预测,并对如何应对人工智能给人类带来的挑战以及在发展人工智能时应注意的问题等提出了某些建议,对这些问题的研究有助于进一步推动人工智能的发展。但愿通过这篇综述使得读者对人工智能的有关知识有个大概的理解。核心词:人工智能模式识别专家系统机器人学决策优化一、人工智能概述智能”源于拉丁语Legere,字面意思是采集(特别是果实)、收集、聚集,并由此进行选择,形成一种东西。Intelegere是从中进行选择,进而理解、领悟和认识。正如帕梅拉·麦考达克在《机器思维》中所提出的:在复杂的机械装置与智能之间存在长久的联系。从几个世纪前出现的神话般的巨钟和机械自动机开始,人们已对机器操作的复杂性与本身的某些活动进行直观联系。通过几个世纪之后,新技术已使我们所建立的机器的复杂性大为提高。1936年,24岁的英国数学家图灵提出了“自动机”理论,把研究会思维的机器和计算机的工作大大向前推动了一步,他也因此被称为“人工智能之父”。人工智能也称机器智能,它是计算机科学、控制论、信息论、神经生理学、心理学、语言学等多个学科互相渗入而发展起来的一门综合性学科。人工智能的研究从1956年正式开始,这一年在达特茅斯大学召开的会议上正式使用了“人工智能”(ArtificialIntelligence,AI)这个术语。从计算机应用系统的角度出发,人工智能是研究如何制造智能机器或智能系统,来模拟人类智能活动的能力,以延伸人们智能的科学。如果仅从技术的角度来看,人工智能要解决的问题是如何使电脑体现智能化,使电脑能更灵活方效地为人类服务。只要电脑能够体现出与人类相似的智能行为,就算是达成了目的,而不在乎在这过程中电脑是依靠某种算法还是真正理解了。人工智能是计算机科学中涉及研究、设计和应用智能机器的—个分支,它的目的是研究如何用电脑来模仿和执行人脑的某些智力功效,并开发有关的技术产品,建立有关的理论。因此,“人工智能”与计算机软件有亲密的关系。首先,多个人工智能应用系统都要用计算机软件去实现,另首先,许多聪颖的计算机软件也应用了人工智能的理论办法和技术。例如,专家系统软件,机器博奕软件等。但是,“人工智能”不等于“软件”,除了软件以外,尚有硬件及其它自动化的通信设备。二、人工智能的发展阶段第一阶段:50年代人工智能的兴起和冷落。人工智能概念初次提出后,相继出现了一批明显的成果,如机器定理证明、跳棋程序、通用问题s求解程序、LISP表解决语言等。但由于消解法推理能力的有限,以及机器翻译等的失败,使人工智能走入了低谷。这一阶段的特点是:重视问题求解的办法,无视知识重要性。第二阶段:60年代末到70年代,专家系统出现,使人工智能研究出现新高潮。DENDRAL化学质谱分析系统、MYCIN疾病诊疗和治疗系统、PROSPECTIOR探矿系统、Hearsay-II语音理解系统等专家系统的研究和开发,将人工智能引向了实用化。并且,1969年成立了国际人工智能联合会议(InternationalJointConferencesonArtificialIntelligence即IJCAI)。第三阶段:80年代,随着第五代计算机的研制,人工智能得到了很大发展。日本1982年开始了“第五代计算机研制计划”,即“知识信息解决计算机系统KIPS”,其目的是使逻辑推理达成数值运算那么快。即使此计划最后失败,但它的开展形成了一股研究人工智能的热潮。第四阶段:80年代末,神经网络飞速发展。1987年,美国召开第一次神经网络国际会议,宣布了这一新学科的诞生。此后,各国在神经网络方面的投资逐步增加,神经网络快速发展起来。第五阶段:90年代,人工智能出现新的研究高潮。由于网络技术特别是国际互连网技术的发展,人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。不仅研究基于同一目的的分布式问题求解,并且研究多个智能主体的多目的问题求解,将人工智能更面对实用。另外,由于Hopfield多层神经网络模型的提出,使人工神经网络研究与应用出现了欣欣向荣的景象。人工智能已进一步到社会生活的各个领域。三、人工智能的研究领域人工智能的研究领域分支较多,从研究角度来分有三大分支:知识工程(knowledgeengineering)、模式识别(patternrecognition)与机器人学(robotoligy)。本文仅对其中的几个研究领域进行粗略的介绍。1、模式识别计算机硬件的快速发展,计算机应用领域的不停开拓,急迫地规定计算机能更有效地感知诸如声音、文字、图象、温度、震动等等信息资料,模式识别便得到快速发展。"模式"(Pattern)一词的本意是指完美无缺的供模仿的某些标本。模式识别就是指识别出给定物体所模仿的标本。人工智能所研究的模式识别是指用计算机替代人类或协助人类感知模式,是对人类感知外界功效的模拟,研究的是计算机模式识别系统,也就是使一种计算机系统含有模拟人类通过感官接受外界信息、识别和理解周边环境的感知能力。模式识别是一种不停发展的新学科,它的理论基础和研究范畴也在不停发展。随着生物医学对人类大脑的初步认识,模拟人脑构造的计算机实验即人工神经网络办法早在50年代末、60年代初就已经开始。至今,在模式识别领域,神经网络办法已经成功地用于手写字符的识别、汽车牌照的识别、指纹识别、语音识别等方面。现在模式识别学科正处在大发展的阶段,随着应用范畴的不停扩大,随着计算机科学的不停进步,基于人工神经网络的模式识别技术,在90年代将有更大的发展。2、专家系统1977年费根鲍姆提出“知识工程”,把实用的人工智能称为知识工程,标志着人工智能研究进入实际应用的阶段。他开发出了第一种“专家系统”(expertsystems),认为“专家系统是一种智能的计算机程序,它运用知识和推理环节来解决只有专家才干解决的复杂问题”。专家系统是指运用研究领域的专业知识进行推论,在解决专业的高级问题方面含有和专家相似能力的解决系统,属于人工智能的应用领域。现在,这一领域发展较快,应用也较广,已开发出不少有实际价值的专家系统.与传统的计算机程序相比,专家系统是以知识为中心,重视知识本身而不是拟定的算法.专家系统所要解决的是复杂而专门的问题,对这些问题人们还没有精确的描述和严格的分析,因而普通没有解法,并且经常要在不拟定或不精确的信息基础上做出判断,需要专家的理论知识和实际经验。原则的计算机程序能精确地分辨出每一任务应当如何完毕,而专家系统则是告诉计算机做什么,而不分辨出如何完毕,这是两者最大的区别。另外,专家系统突出了知识的价值,大大减少了知识传授和应用的代价,使专家的知识快速变成社会的财富。再者,专家系统采用的是人工智能的原理和技术,如符号表达、符号推理、启发式搜索等等,与普通的数据解决系统不同。专家系统在各个领域的应用已经产生了很可观的经济效益,这从另首先增进了对专家系统的理论和技术方面的研究。3、自然语言解决NLP(NaturalLanguageProcessing)自然语言解决是人工智能的早期研究领域之一,也是一种极为重要的领域,重要涉及人机对话和机器翻译两大任务,是一门融语言学、计算机科学、数学于一体的科学。由于以乔姆斯基为代表的新一代语言学派的奉献和计算机技术的发展,自然语言理解正在变得越来越热门.有诸多理由值得人们去研究如何使计算机程序能以某种方式使用自然语言的问题。NLP已经编写出能够从内部数据库回答用英语提出的问题的程序,这些程序通过阅读文本材料和建立内部数据库,能够把句子从一种语言翻译为另一种语言,执行用英语给出的指令和获取知识等。有些程序甚至能够在一定程度上翻译从话筒输入的口头指令(而不是从键盘打入计算机的指令)。现在语言解决研究的重要课题是:在翻译句子时,以主题和对话状况为基础,注意大量的普通常识--世界知识和盼望作用的重要性。人工智能在语言翻译与语音理解程序方面已经获得的成就,发展为人类自然语言解决的新概念。4、机器人学人工智能研究日益受到重视的另一种分支是机器人学,其中涉及对操作机器人装置程序的研究。这个领域所研究的问题,从机器人手臂的最佳移动到实现机器人目的的动作序列的规划办法,无所不包。机器人和机器人学的研究增进了许多人工智能思想的发展。它所造成的某些技术可用来模拟世界的状态,用来描述从一种世界状态转变为另一种世界状态的过程。它对于如何产生动作序列的规划以及如何监督这些规划的执行有了一种较好的理解。复杂的机器人控制问题迫使我们发展某些办法,先在抽象和无视细节的高层进行规划,然后再逐步在细节越来越重要的低层进行规划。在本书中,我们经常应用某些机器人问题求解的例子来阐明某些重要的思想。智能机器人的研究和应用体现出广泛的学科交叉,涉及众多的课题,如机器人体系构造、机构、控制、智能、视觉、触觉、力觉、听觉、机器人装配、恶劣环境下的机器人以及机器人语言等。机器人已在多个工业、农业、商业、旅游业、空中和海洋以及国防等领域获得越来越普遍的应用。四、人工智能在优化决策中的应用数学模型特别是优化模型,始终是决策支持的重要手段。优化模型有良好的构造化形式,优化办法的重点是发现有效的解模办法。但是在决策过程中尚有许多非模型活动,例如决策问题的识别,求解成果的分析和评定等,这些问题的解决需要用到人们的经验特别是该领域专家的知识。因此我们很容易地看到,纯正的优化办法只能支持决策过程中一种重要的阶段。而另首先,人们开发了许多模仿人类推理活动的人工智能办法,因此,自然就会想到用这些人工智能办法去支持决策过程中的非模型活动。如何把人中智能的办法结合纯优化办法运用在决策中始终是人们感爱好的问题。固然,由于优化办法和人工智能办法两者在数据构造和算法语言上存在巨大的差别,要实现它们的无缝结合还存在很大的困难,这需要人们发展新技术去克服。武汉理工大学的聂规划等在使用一种概念框架来表达一种决策过程,针对决策过程不同阶段的特点,结合人工智能和优化办法对之提供决策支持,最后实现决策的科学化。这个概念框架将一种决策过程分为不同的几个阶段,即问题的认知、模型的设计、模型的求解、求解成果的评定以及最后应用五个阶段。(1)在问题的认知这一阶段,迄今为止还没有任何自动化的决策支持,由于考察客观世界,认知一种决策问题并描述出它的轮廓是一种非构造化的活动,需要向组织输入大量内部和外部的信息。更深一步讲,如何导出一种决策的推理过程是很难进行表述的。因此在这个阶段,计算机提供的支持只能停留在管理信息系统层次上。(2)模型的设计阶段,这个阶段涉及模型的建立和模型的选择两方面的内容,在这个阶段,能够尝试人工智能与优化办法的结合,模型设计的输出普通是一种或更多的优化模型,模型是由决策变量、约束条件和目的函数所构成。传统的非计算机支持的建模工作是非常艰巨的。在此能够考虑用基于范例的推理办法来进行建模工作。这种办法的思想是通过从源范例库中检索先前已存在的模型来建立所需的模型,即是找到与目的范例相匹配的源范例,对之稍加修改后便可得到所需的模型。这是人工智能方面的一项技术,它是基于建模专家用相似的办法进行建模的假设上。在这个框架构造中,设计阶段还包含模型选择和排序。(3)模型的求解阶段,对那些纯正的定量模型,普通都有较为成的模型求解办法,因此只须调用对应的求解程序即可。而对那些定量与定性相结合的模型,能够考虑把人工智能和优化办法结合起来对模型进行求解,优化办法求解定量问题,定性问题由人工智能办法解决。(4)求解成果的评定与应用,得到求解成果后,我们要对其合理性与实用性进行评定与检测,如果能够通过,则对求解成果稍加修改后便可投入实际应用;否则,要回到模型设计阶段,对模型进行修改或重新设计。对求解成果的评定与检测要用到专家的经验和一系列知识推理,因此能够考虑使用专家系统对这一阶段进行支持。结合人工智能与优化办法进行决策支持确实含有传统优化办法所无法比拟的优越性,但是要实现两者的无缝结合却有一定的困难,这重要是由于它们在数据构造和算法语言上存在巨大的差别,这也是妨碍两者结合向前发展的重要因素。五、人工智能在中国我国过去虽在模式识别和机器翻译等方面开展过研究,但对人工智能研究的真正起步还是在实施改革开放后来,当时与世界先进水平尚有着相称距离。为缩小这种差距,一批数学和计算机领域的专家学者主动投身于这方面工作,在理论和办法上都对人工智能科学得发展做出了不小的奉献。通过20数年的经验积累,我国在人工智能研究领域不再是跟踪国外水平和潮流,在背面亦步亦趋,而是能够独立自主地开展重大问题的创新性研究,并获得了不错的成果。国家计划也把“智能计算机”列为其中的一种主题。现在,开放逻辑理论、含糊逻辑理论等某些有特色的研究成果受到国际同行重视,我国专家的理论文章越来越多的发表在国外人工智能研究最高学术刊物上。另外,中国科学家在人工智能方面获得的成就尚有:在模式识别领域发明性地提出仿生识别办法;提出了可拓学理论,较好地解决了过去在人工智能方面不解决矛盾的问题;中国用机器证明数学定理在全球可谓独树一帜;我国自行研制的印刷体中文识别系统,含有国际先进水平智能型机器翻译系统也进人实用阶段;各类智能计算机已在农业的病虫害预测、浇灌优化、气象预报、探井找矿以及工业、国防、航空航天等诸多领域得到应用。我国在人工智能研究和应用方面已获得了长足进步,形成了独立体系,与世界先进水平的差距在不停缩小,但在硬件、机器制造方面水平还不高,这是我们此后的努力方向。六、对人工智能的展望(1)人工智能的远期研究目的人工智能的近期研究目的在于建造智能计算机,用以替代人类从事脑力劳动,即使现有的计算机更聪颖更有用。正是根据这一近期研究目的,我们才把人工智能理解为计算机科学的一种分支。人工智能尚有它的远期研究目的,即探究人类智能和机器智能的基本原理,研究用自动机(automata)模拟人类的思维过程和智能行为。根据计算机的特点,我们有理由相信在很快的将来人工智能实体将首先在精确思维能力上超出人,然后在含糊思维能力上超出人。由于发明力是个性化的产物,较高的发明力不是复制及经验的吸取所能产生的,它需要通过个性化的学习来获得,而个性化的学习不是短时间内所能完毕的,因而人工智能实体在发明力上全方面超出人将需要较长的时间。一旦人工智能实体的发明力超出人其智力水平也就能远远超出人。(2)存在的问题这个长久目的远远超出计算机科学的范畴,几乎涉及自然科学和社会科学的全部学科,因此尚存在着不少问题,这重要体现在下列几个方面:1.宏观与微观隔离首先是哲学、认知科学、思维科学和心理学等学科所研究的智能层次太高、太抽象;另首先是人工智能逻辑符号、神经网络和行为主义所研究的智能层次太低。这两方面之间相距太远,中间尚有许多层次未予研究,无法把宏观与微观有机地结合起来和互相渗入。2.全局与局部割裂人类智能是脑系统的整体效应,有着丰富的层次和多个侧面。但是,符号主义只抓住人脑的抽象思维特性;连接主义只模仿人的形象思维特性;行为主义则着眼于人类智能行为特性及其进化过程。它们存在明显的局限性。必须从多层次、多因素、多维和全局观点来研究智能,才干克服上述局限性。3.理论和实际脱节大脑的实际工作,在宏观上我们已懂得得不少;但是智能的千姿百态,变幻莫测,复杂得难以理出清晰的头绪。在微观上,我们对大脑的工作机制却知之甚少,似是而非,使我们难以找出规律。在这种背景下提出的多个人工智能理论,只是部分人的主观猜想,能在某些方面体现出"智能"就算相称成功了。上述存在问题和其它问题阐明,人脑的构造和功效要比人们想象的复杂得多,人工智能研究面临的困难要比我们预计的重大得多,人工智能研究的任务要比我们讨论过的艰巨得多。同时也阐明,要从根本上理解人脑的构造和功效,解决面临的难题,完毕人工智能的研究任务,需要寻找和建立更新的人工智能框架和理论体系,打下人工智能进一步发展的理论基础。我们最少需要通过几代人的持续奋斗,进行多学科联合协作研究,才可能基本上解开"智能"之谜,使人工智能理论达成一种更高的水平。(3)需要注意的问题1、应使人工智能实体生存的第一目的是为了人类的生存与发展,否则人工智能实体就将威胁到人类的生存。2、要使人工智能的研究快速发展必需大量的人力、物力、财力,而在市场经