搜索
人工智能华东理工大信息学院邹俊忠2010年11月一、概论人工智能定义：1.1人工智能（ArtificialIntelligence）,英文缩写为AI,是一门由计算机科学、控制论、信息论、语言学、神经生理学、心理学、数学、哲学等多种学科相互渗透而发展起来的综合性的新学科。人工智能的研究课题涵盖面很广，包括了许多不同的研究领域。在这些研究领域中，其共同的基本特点是让机器学会“思考”，成为智能机器（Intelligencmachine)。人工智能尚无确切的定义，不同的学科和科学背景的学者对人工智能的不同理解，提出不同的观点，并有不同的学派。(1)符号主义(Symbolicism)，又称为逻辑主义(Logicism)、心理学派(Psychlogism)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。(2)联结主义(Connectionism)，又称为仿生学派(Bionicsism)或生理学派(Physiologism)，其原理主要为神经网络及神经网络间的连接机制与学习算法。(3)行为主义(Actionism)，又称进化主义(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。他们对人工智能发展历史具有不同的看法。1.符号主义认为：人工智能源于数理逻辑。数理逻辑从19世纪末起就获迅速发展；到20世纪30年代开始用于描述智能行为。计算机出现后，又在计算机上实现了逻辑演绎系统。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意义。在人工智能的其它学派出现之后，符号主义仍然是人工智能的主流派。这个学派的代表有纽厄尔、肖、西蒙和尼尔逊(Nilsson)等。2.联结主义认为：人工智能源于仿生学，特别是人脑模型的研究。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。60-70年代，联结主义，尤其是对以感知机(perceptron)为代表的脑模型的研究曾出现过热潮，由于当时的理论模型、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时，联结主义又重新抬头。1986年鲁梅尔哈特(Rumelhart)等人提出多层网络中的反向传播(BP)算法。此后，联结主义势头大振，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ANN的研究热情仍然不减。3.行为主义认为：人工智能源于控制论。控制论思想早在40-50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。到60-70年代，控制论系统的研究取得一定进展，播下智能控制和智能机器人的种子，并在80年代诞生了智能控制和智能机器人系统。行为主义是近年来才以人工智能新学派的面孔出现的，引起许多人的兴趣与研究。不同人工智能学派对人工智能的研究方法问题也有不同的看法。这些问题涉及人工智能是否一定采用模拟人的智能的方法?若要模拟又该如何模拟?对结构模拟和行为模拟、感知思维和行为、对认知与学习以及逻辑思维和形象思维等问题是否应分离研究?是否有必要建立人工智能的统一理论系统?若有，又应以什么方法为基础?如何在技术上实现人工智能系统、研制智能机器和开发智能产品，即沿着什么技术路线和策略来发展人工智能，也存在有不同的派别，即不同的技术路线。不同的学派对人工智能基本理论、技术路线的看法也是有争论的。定义1智能机器能够在各类环境中自主地或交互地执行各种拟人任务的机器。机器是否会“思考”（thinking），究竟“会思考”到什么程度才叫智能机器？“智能”（intelligence）的定义。有人认为：如果机器能够模拟人类的智力活动，完成人用智能才能完成的任务，该机器就有智能。衡量机器智能程度的最好的标准是英国计算机科学家阿伦·图灵的试验。图灵测试游戏由一男(A)、一女(B)和一名询问者(C)进行；C与A、B被隔离，通过电传打字机与A、B对话。询问者只知道二人的称呼是X，Y，通过提问以及回答来判断，最终作出X是A，Y是B或者X是B，Y是A的结论。游戏中，A必须尽力使C判断错误，而B的任务是帮助C。当一个机器代替了游戏中的A，并且机器将试图使得C相信它是一个人。如果机器通过了图灵测试，就认为它是智慧的。阿伦·图灵认为，如果一台计算机能骗过人，使人相信它是人而不是机器，那么它就应当被称作有智能。定义2人工智能从学科的界定来定义：人工智能（学科）是计算机科学中涉及研究、设计和应用智能机器的一个分支。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智能功能，并开发相关理论和技术。从人工智能所实现的功能来定义：人工智能（能力）是智能机器所执行的通常与人类智能有关的功能，如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动。现在，人工智能专家们面临的最大挑战之一是如何构造一个系统，可以模仿人脑的行为,去思考宇宙中最复杂的问题。对于自然学习过程、自然语言和感官知觉的研究为科学家构建智能机器提供了帮助。这种系统在解决复杂的问题时，需要具备对事物能够进行感知、学习、推理、联想、概括和发现等能力。对人工智能机器持反观点的人认为：人类智能是一个发生、发展的过程。人类在解决各种问题时，存在非智力因素与智力因素的相互作用。机器能够模拟人类智能是极其有限。例如，电脑的全部计算行为仅仅是0、1选择。只要当人脑将人类的各种信息处理方法成功地转换为0、1选择之后，0、1选择才具有了功能意义。电脑对人脑功能的模拟能力，实际上是人脑将自身的信息处理方法转换为0、1选择的能力。当乐器发出悦耳的音响时，并不是乐器在歌唱。从方法论上讲，根据电脑能够在功能意义上模拟人脑，就认为电脑具有智能，是一种拟人化移情性思维。用这种方法推销产品可以，但用这种方法定义“人工智能”概念，显然违背科学定义的基本常识。1.2人工智能的起源和历史人工智能的传说可以追溯到古埃及人工智能的思想萌芽可以追溯到十七世纪的巴斯卡和莱布尼茨，他们较早萌生了有智能的机器的想法。十九世纪，英国数学家布尔和德.摩尔根提出了“思维定律”，这些可谓是人工智能的开端。十九世纪二十年代，英国科学家巴贝奇设计了第一架“计算机器”，它被认为是计算机硬件，也是人工智能硬件的前身。但随着1941年以来电子计算机的发展,技术已最终可以创造出机器智能。虽然计算机为AI提供了必要的技术基础,但直到50年代早期人们才注意到人类智能与机器之间的联系.1956年,被认为是人工智能之父的美国学者麦卡锡（JohnMcCarthy）组织了一次学会,将许多对机器智能感兴趣的一批数学家、信息学家、心理学家、神经生理学家、计算机科学家和专家学者聚集在一起进行了长达二个月的讨论。邀请他们参加“达特矛斯Dartmouth人工智能夏季研究会”。从那时起,这个领域被命名为“人工智能”.虽然达特矛斯Dartmouth学会不是非常成功,但它确实集中了AI的创立者们,并为以后的AI研究奠定了基础.从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展.在它还不长的历史中,人工智能的发展比预想的要慢,但一直在前进.达特矛斯（Dartmouth）会议后的7年中,AI研究开始快速发展。虽然这个领域还没明确定义,会议中的一些思想已被重新考虑和使用了。卡内基梅隆（CarnegieMellon）大学和MIT开始组建AI研究中心。研究面临新的挑战:下一步需要建立能够更有效解决问题的系统,例如在“逻辑专家”中减少搜索，还有就是建立可以自我学习的系统.1957年一个新程序,“通用解题机”(GPS)的第一个版本进行了测试。这个程序是由制作“逻辑专家”的同一个组开发的。GPS扩展了Wiener的反馈原理,可以解决很多常识问题。两年以后,IBM成立了一个AI研究组。赫伯特（HerbertGelerneter）花3年时间制作了一个解几何定理的程序.1963年MIT从美国政府得到一笔220万美元的资助,用于研究机器辅助识别。这笔资助来自国防部高级研究计划署(ARPA),已保证美国在技术进步上领先于苏联.这个计划吸引了来自全世界的计算机科学家,加快了AI研究的发展步伐。1958年McCarthy宣布了他的新成果:LISP语言.LISP到今天还在用.“LISP”的意思是“表处理”(LIStProcessing),它很快就为大多数AI开发者采纳.以后几年出现了大量程序.其中一个著名的“SHRDLU”.“SHRDLU”是“微型世界”项目的一部分,包括在微型世界(例如只有有限数量的几何形体)中的研究与编程。在MIT由MarvinMinsky领导的研究人员发现,面对小规模的对象,计算机程序可以解决空间和逻辑问题.其它如在60年代末出现的STUDENT可以解决代数问题,SIR可以理解简单的英语句子.这些程序的结果对处理语言理解和逻辑有所帮助.70年代许多新方法被用于AI开发,著名的如Minsky的构造理论.另外DavidMarr提出了机器视觉方面的新理论,例如,如何通过一副图象的阴影,形状,颜色,边界和纹理等基本信息辨别图象.通过分析这些信息,可以推断出图象可能是什么.同时期另一项成果是PROLOGE语言,于1972年提出.70年代另一个进展是专家系统.专家系统可以预测在一定条件下某种解的概率.由于当时计算机已有巨大容量,专家系统有可能从数据中得出规律.专家系统的市场应用很广.十年间,专家系统被用于股市预测,帮助医生诊断疾病,以及指示矿工确定矿藏位置等.这一切都因为专家系统存储规律和信息的能力而成为可能.80年代期间,AI前进更为迅速,并更多地进入商业领域.1986年,美国AI相关软硬件销售高达4.25亿美元.专家系统因其效用尤受需求.象数字电气公司这样的公司用XCON专家系统为VAX大型机编程.杜邦,通用汽车公司和波音公司也大量依赖专家系统.为满足计算机专家的需要,一些生产专家系统辅助制作软件的公司,如Teknowledge和Intellicorp成立了.为了查找和改正现有专家系统中的错误,又有另外一些专家系统被设计出来.其它一些AI领域也在80年代进入市场.其中一项就是机器视觉.Minsky和Marr的成果现在用到了生产线上的相机和计算机中,进行质量控制.尽管还很简陋,这些系统已能够通过黑白区别分辨出物件形状的不同。到1985年美国有一百多个公司生产机器视觉系统,销售额共达8千万美元.日本1982年开始了“第五代计算机研制计划”，即“知识信息处理计算机系统KIPS”，其目的是使逻辑推理达到数值运算那么快。虽然此计划最终失败，但它的开展形成了一股研究人工智能的热潮。但80年代对AI工业来说也不全是好年景。86-87年对AI系统的需求下降,业界损失了近5亿美元.象Teknowledge和Intellicorp两家共损失超过6百万美元,大约占利润的三分之一。巨大的损失迫使许多研究领导者削减经费。另一个令人失望的是国防部高级研究计划署支持的所谓“智能卡车”。这个项目目的是研制一种能完成许多战地任务的机器人.由于项目缺陷和成功无望,Pentagon停止了项目的经费.尽管经历了这些受挫的事件,AI仍在慢慢恢复发展.新的技术在日本被开发出来.1987年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。美国首创的模糊逻辑,它可以从不确定的条件作出决策;还有神经网络,被视为实现人工智能的可能途径.总之,80年代AI被引入了市场,并显示出实用价值。可以确信,它将是通向21世纪之匙。人工智能技术接受检验在“沙漠风暴”行动中军方的智能设备经受了战争的检验。