信息技术 第二册（五年制高职）教案 9.1.4 人工智能的发展历程和主要流派

.1.4人工智能的发展历程与主要流派1.人工智能的发展历程神秘又令人神往的人工智能的发展并不是一帆风顺，在充满未知的探索道路上经历了繁荣与低谷，然而，它又以新的面貌迎来了新一轮的发展。可以将人工智能的发展历程划分为以下6个阶段：第一次繁荣期、第一次低谷期、第二次繁荣期、第二次低谷期、复苏期和增长爆发期。人工智能发展历程如图1所示。图1人工智能发展历程（1）第一次繁荣期（1956—1976年）1959年，亚瑟·塞缪尔(ArthurSamuel)创造了“机器学习”一词，其研制的跳棋程序打败了Samuel本人。在此期间，机器翻译、机器定理证明、机器博弈开始兴起，掀起人工智能发展的第一个高潮。（2）第一次低谷期（1976—1982年）人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务。由于当时计算机运算能力的不足，程序的计算复杂度较高，导致机器翻译等项目失败。同时，一些学术报告对人工智能研究提出的理论质疑以及人工智能威胁论使得人工智能的研究经费普遍减少。使人工智能的发展走入低谷。（3）第二次繁荣期（1982—1987年）1985年，出现了具有更强可视化效果的决策树模型，以及突破早期感知机局限的多层人工神经网络；日本国际贸易和工业部投资第五代计算机的发展；具备逻辑规则推演和特定领域回答的专家系统开始盛行，专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。（4）第二次低谷期（1987—1997年）1987年，LISP机的市场崩塌，人工智能研究的技术领域再一次陷入瓶颈，抽象推理不再继续被人关注，基于符号处理的模型遭到诸多人工智能研究者的反对。（5）复苏期（1997—2010年）1997年5月11日，“深蓝”战胜国际象棋世界冠军。国际商业机器公司（简称IBM）研发的国际象棋电脑“深蓝”(DeepBlue)战胜了国际象棋世界冠军加里·卡斯帕罗夫（CarryKasparov）。“深蓝”的运算速度为每秒2亿步棋，并存有70万份大师对战的棋局数据，可搜寻并估计随后的12步棋。成为人工智能史上的一个重要里程碑。图2为当时的对弈场景。图2“深蓝”战胜卡斯帕罗夫（右边为“深蓝”操作者）2006年，杰弗里·辛顿（GeoffreyHinton）提出“深度学习”的神经网络。2008年IBM提出“智慧地球”的概念。复苏期间，计算机性能与互联网技术快速普及，促进了AI的发展。（6）增长爆发期（2010年至今）2010年宣告了大数据时代的到来，新一代的信息技术引发信息环境与数据基础的变革，海量的图像、语言、文本等非结构化数据不断出现，计算机的计算能力不断增强。2011年，沃森（Watson）参加智力问答节目。IBM开发的人工智能程序“沃森”（Watson）在一档智力问答节目中战胜了两位人类冠军。沃森存储了2亿页数据，能够将与问题相关的关键词从看似相关的答案中抽取出来。这一程序已被IBM广泛应用于医疗诊断领域。2012年，谷歌（Google）无人驾驶汽车上路，人工智能迎来爆发式增长的新高潮。2014年，微软公司发布全球第一款个人智能助理微软小娜。2016年3月，AlphaGo以4:1战胜世界围棋冠军李世石。AlphaGo是由GoogleDeepMind开发的人工智能围棋程序，具有自我学习能力，它能够搜集大量围棋对弈数据和名人棋谱，可以自主学习并模仿人类下棋。图3为AlphaGo挑战李世石现场。图3AlphaGo挑战李世石现场（左边为“AlphaGo”操作者）2017年，深度学习大热。AlphaGoZero（第四代AlphaGo），从空白状态学起，在无任何人类输入的条件下，迅速自学围棋，经过3天的训练便以100：0的战绩击败了第二个版本的AlphaGoLee，经过40天的训练便击败了第三个版本AlphaGoMaster。新一代人工智能随着互联网的普及、传感器的涌现、大数据的助力、电子商务的充分发展，数据和知识在人类社会、物理空间和信息空间之间交叉融合、相互作用，人工智能已经进入一个新的发展阶段。世界各国纷纷将人工智能作为抢抓下一轮科技革命先机的重要举措。例如人工智能成为“中国制造2025”、德国“工业4.0”、美国“工业互联网”、日本“超智能社会”等重大国家战略的核心技术。2017年7月20日,我国国务院发布了《新一代人工智能发展规划》,开启了我国新一代人工智能的新征程。《新一代人工智能发展规划》中预计，到2025年，人工智能基础理论实现重大突破，部分技术和应用达到世界领先水平，核心技术规模超过4000亿元。认识现在：新一代人工智能的主要驱动因素当前，随着移动互联网、大数据、云计算等新一代信息技术的加速迭代演进，人类社会与物理世界的二元结构正在进阶到人类社会、信息空间和物理世界的三元结构，人与人、机器与机器、人与机器的交流互动愈加频繁。人工智能发展所处的信息环境和数据基础发生了深刻变化，愈加海量化的数据，持续提升的运算力，不断优化的算法模型，结合多种场景的新应用已构成相对完整的闭环，成为推动新一代人工智能发展的四大要素。（1）人机物互联互通成趋势，数据量呈现爆炸性增长互联网、社交媒体、移动设备和传感器的大量普及，大数据技术的广泛应用为通过深度学习训练人工智能提供了良好的土壤。目前，全球数据总量每年都以倍增的速度增长。海量的数据将为人工智能算法模型提供源源不断的素材，人工智能正从监督式学习向无监督学习演进升级，不断优化机器学习算法，从而积累经验、发现规律。（2）数据处理技术加速演进，运算能力实现大幅提升人工智能领域富集了海量数据，传统的数据处理技术难以满足高强度、高频次的处理需求，然而人工智能芯片的出现，加速了深层神经网络的训练迭代速度，极大地促进了人工智能行业的发展。（3）深度学习研究成果卓著，带动算法模型持续优化全球科技巨头纷纷成立实验室，开源算法框架，打造生态体系等方式推动算法模型的优化和创新。目前，深度学习等算法已经广泛应用在自然语言处理、语音处理以及计算机视觉等领域，并在某些特定领域取得了突破性进展。（4）资本与技术深度耦合，助推行业应用快速兴起在技术突破和应用需求的双重驱动下，人工智能技术已走出实验室，迅速向各个产业领域渗透，产业化水平大幅提升。在此过程中，资本成为产业发展的加速器发：一方面，跨国科技巨头以资本为杠杆，展开投资并购活动，不断完善产业链布局；另一方面，各类资本对初创型企业的支持，使得优秀的技术型公司迅速脱颖而出。目前，人工智能已在智能机器人、无人机、金融、医疗、安防、驾驶、搜索、教育等领域得到了较为广泛的应用。认识现在：新一代人工智能的主要发展特征在数据、运算能力、算法模型、多元应用的共同驱动下，人工智能的定义正从用计算机模拟人类智能演进到协助引导提升人类智能，通过推动机器、人与网络相互连接融合，更为密切地融入人类生产生活，从辅助性设备和工具进化为协同互动的助手和伙伴，新一代人工智能主要发展特征如图4所示。图4新一代人工智能主要发展特征（1）大数据成为人工智能持续快速发展的基石随着新一代信息技术的快速发展，计算能力、数据处理能力和处理速度极大提升，机器学习算法快速演进，大数据的价值逐渐凸显。新一代人工智能以大数据驱动的，基于给定的学习框架，不断优化参数设置及环境信息，具有高度的自主性。（2）文本、图像、语音等信息实现跨媒体交互计算机图像识别、语音识别和自然语言处理等技术的不断发展，在准确率及效率方面取得了明显进步，在无人驾驶、智能搜索等垂直行业得到了广泛应用。与此同时，文本、图像、语音、视频等信息突破了各自的局限，实现跨媒体交互，智能化搜索、个性化推荐的需求进一步的发展。（3）基于网络的群体智能技术开始萌芽随着互联网、云计算等新一代信息技术的快速应用及普及，人工智能研究的焦点，已从打造具有感知智能及认知智能的单个智能体向打造多智能体协同的群体智能转变。群体智能充分体现了“通盘考虑、统筹优化”思想，具有去中心化、自愈性强和信息共享高效等优点，相关的群体智能技术已经开始萌芽并成为研究热点。（4）自主智能系统成为新兴发展方向当前，随着生产制造智能化改造升级的需求日益凸显，通过嵌入智能系统对现有的机械设备进行改造升级成为更加务实的选择，也是中国制造2025、德国工业4.0、美国工业互联网等国家战略的核心举措。在此引导下，自主智能系统正成为人工智能的重要发展及应用方向。（5）人机协同正在催生新型混合智能形态人类智能在感知、推理、归纳和学习等方面具有机器智能无法比拟的优势，机器智能则在搜索、计算、存储、优化等方面领先于人类智能，两种智能具有很强的互补性。人与计算机协同，互相取长补短将形成一种新的“1+1>2”的增强型智能，也就是混合智能，这种智能是一种双向闭环系统，既包含人，又包含机器组件，人可以接受机器的信息，机器也可以读取人的信号，两者相互作用，互相促进。2.人工智能的主要流派目前人工智能的主要学派有下面三家：（1）符号主义(symbolicism)，又称为逻辑主义(logicism)、心理学派(psychologism)或计算机学派(computerism)，其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。符号主义认为人工智能源于数理逻辑。数理逻辑从19世纪末起得以迅速发展，到20世纪30年代开始用于描述智能行为。计算机出现后，又再计算机上实现了逻辑演绎系统。其有代表性的成果为启发式程序LT逻辑理论家，证明了38条数学定理，表了可以应用计算机研究人的思维多成，模拟人类智能活动。正是这些符号主义者，早在1956年首先采用“人工智能”这个术语。后来又发展了启发式算法->专家系统->知识工程理论与技术，并在20世纪80年代取得很大发展。符号主义曾长期一枝独秀，为人工智能的发展作出重要贡献，尤其是专家系统的成功开发与应用，为人工智能走向工程应用和实现理论联系实际具有特别重要的意义。在人工智能的其他学派出现之后，符号主义仍然是人工智能的主流派别。这个学派的代表任务有纽厄尔(Newell)、西蒙(Simon)和尼尔逊(Nilsson)等。（2）连接主义(connectionism)，又称为仿生学派(bionicsism)或生理学派(physiologism)，其主要原理为神经网络及神经网络间的连接机制与学习算法。连接主义认为人工智能源于仿生学，特别是对人脑模型的研究。它的代表性成果是1943年由生理学家麦卡洛克(McCulloch)和数理逻辑学家皮茨(Pitts)创立的脑模型，即MP模型，开创了用电子装置模仿人脑结构和功能的新途径。它从神经元开始进而研究神经网络模型和脑模型，开辟了人工智能的又一发展道路。20世纪60至70年代，连接主义，尤其是对以感知机(perceptron)为代表的脑模型的研究出现过热潮，由于受到当时的理论模型、生物原型和技术条件的限制，脑模型研究在20世纪70年代后期至80年代初期落入低潮。直到Hopfield教授在1982年和1984年发表两篇重要论文，提出用硬件模拟神经网络以后，连接主义才又重新抬头。1986年，鲁梅尔哈特(Rumelhart)等人提出多层网络中的反向传播算法(BP)算法。此后，连接主义势头大振，从模型到算法，从理论分析到工程实现，为神经网络计算机走向市场打下基础。现在，对人工神经网络(ANN)的研究热情仍然较高，但研究成果没有像预想的那样好。（3）行为主义(actionism)，又称为进化主义(evolutionism)或控制论学派(cyberneticsism)，其原理为控制论及感知-动作型控制系统。行为主义认为人工智能源于控制论。控制论思想早在20世纪40至50年代就成为时代思潮的重要部分，影响了早期的人工智能工作者。维纳(Wiener)和麦克洛克(McCulloch)等人提出的控制论和自组织系统以及钱学森等人提出的工程控制论和生物控制论，影响了许多领域。控制论把神经系统的工作原理与信息理论、控制理论、逻辑以及计