搜索
Landyの人工智能-1-第一章绪论人工智能的发展是以硬件与软件为基础的，经历了漫长的发展历程。特别是20世纪30年代和40年代的智能界，发现了两件重要的事情：数理逻辑和关于计算的新思想。以维纳（Wiener）、弗雷治、罗素等为代表对发展数理逻辑学科的贡献及丘奇(Church)、图灵和其它一些人关于计算本质的思想，为人工智能的形成产生了重要影响。本章首先介绍人工智能的诞生、定义、发展概况及相关学派和他们的认知观，接着讨论人工智能的研究和应用领域。1.1人工智能的诞生与发展1956年夏季，人类历史上第一次人工智能研讨会在美国的达特茅斯(Dartmouth)大学举行，标志着人工智能学科的诞生。1969年召开了第一届国际人工智能联合会议(InternationalJointConferenceonAI,IJCAI),此后每两年召开一次。1970年《人工智能》国际杂志(InternationalJournalofAI)创刊。这些对开展人工智能国际学术活动和交流、促进人工智能的研究和发展起到积极作用。20世纪70～80年代，知识工程的提出与专家系统的成功应用，确定了知识在人工智能中的地位。近十多年来，机器学习、计算智能、人工神经网络等和行为主义的研究深入开展，形成高潮。同时，不同人工智能学派间的争论也非常热烈。这些都推动人工智能研究的进一步发展1.2人工智能的定义•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。•定义2人工智能(学科)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力功能，并开发相关理论和技术。•定义3人工智能(能力)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智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。为了让读者对人工智能的定义进行讨论，以便更深刻地理解人工智能，下面综述其它几种关于人工智能的定义。•定义4人工智能是一种使计算机能够思维，使机器具有智力的激动人心的新尝试。•定义5人工智能是那些与人的思维、决策、问题求解和学习等有关活动的自动化。•定义6人工智能是用计算模型研究智力行为。•定义7人工智能是研究那些使理解、推理和行为成为可能的计算。•定义8人工智能是一种能够执行需要人的智能的创造性机器的技术。•定义9人工智能研究如何使计算机做事让人过得更好。•定义10人工智能是一门通过计算过程力图理解和模仿智能行为的学科。•定义11人工智能是计算机科学中与智能行为的自动化有关的一个分支。其中，定义4和定义5涉及拟人思维；定义6和定义7与理性思维有关；定义8和定义9涉及拟人行为；定义10和定义11与拟人理性行为有关。可以看出,这些定义虽然都指出了人工智能的一些特征,但用它们却难以界定一台计算机是否具有智能。因为要界定机器是否具有智能,必然要涉及到什么是智能的问题,但这却是一个难以准确回答的问题。所以,尽管人们给出了关于人工智能的不少说法,但都没有完全或严格地用智能的内涵或外延来定义人工智能。1.2.2关于如何界定机器智能,早在人工智能学科还未正式诞生之前的1950年,计算机科学创始人之一的英国数学家阿兰·图灵(AlanTuring)就提出了现称为“图灵测试”(TuringTest)的方法。简单来讲,图灵测试的做法是:让一位测试者分别与一台计算机和一个人进行交谈(当时是用电传打字机),而测试者事先并不知道哪一个被测者是人,哪一个是计算机。如果交谈后测Landyの人工智能-2-试者分不出哪一个被测者是人,哪一个是计算机,则可以认为这台被测的计算机具有智能。对于“图灵测试”,美国哲学家约翰·西尔勒(JohnSearle,1980年)提出了异议。他用一个现在称为“中文屋子”的假设,试图说明即便是一台计算机通过了图灵测试,也不能说它就真的具有智能。中文屋子假设是说:有一台计算机阅读了一段故事并且能正确回答相关问题,这样这台计算就通过了图灵测试。而西尔勒设想将这段故事和问题改用中文描述(因为他本人不懂中文),然后将自己封闭在一个屋子里,代替计算机阅读这段故事并且回答相关问题。描述这段故事和问题的一连串中文符号只能通过一个很小的缝隙被送到屋子里。西尔勒则完全按照原先计算机程序的处理方式和过程(如符号匹配、查找、照抄等)对这些符号串进行操作,然后把得到的结果即问题答案通过小缝隙送出去。西尔勒认为尽管计算机用这种符号处理方式也能正确回答问题,并且也可通过图灵测试,但仍然不能说计算机就有了智能。1.2.3群智能是有别于脑智能的。事实上,它们是属于不同层次的智能。脑智能是一种个体智能(IndividualIntelligence,II),而群智能是一种社会智能(SocialIntelligence,SI),或者说是系统智能(SystemIntelligence,SI)。但对于人脑来说,宏观心理(或者语言)层次上的脑智能与神经元层次上的群智能又有密切的关系——正是微观生理层次上低级的神经元的群智能形成了宏观心理层次上高级的脑智能(但二者之间的具体关系如何,却仍然是个迷,这个问题的解决需要借助于系统科学)。1.2.4符号智能和计算智1.符号智能就是符号人工智能,它是模拟脑智能的人工智能,也就是所说的传统人工智能或经典人工智能。符号智能以符号形式的知识和信息为基础,主要通过逻辑推理，运用知识进行问题求解。符号智能的主要内容包括知识获取(knowledgeacquisition)、知识表示(knowledgerepresentation)、知识组织与管理和知识运用等技术(这些构成了所谓的知识工程(KnowledgeEngineering,KE))以及基于知识的智能系统等。2.计算智能就是计算人工智能,它是模拟群智能的人工智能。计算智能以数值数据为基础,主要通过数值计算，运用算法进行问题求解。计算智能的主要内容包括:神经计算(NeuralComputation,NC)、进化计算(亦称演化计算,EvolutionaryComputation,EC,包括遗传算法(GeneticAlgorithm,GA)、进化规划(EvolutionaryPlanning,EP)、进化策略(EvolutionaryStrategies,ES)等)、免疫计算(immunecomputation)、粒群算法(ParticleSwarmAlgorithm,PSA)、蚁群算法(AntColonyAlgorithm,ACA)、自然计算(NaturalComputation,NC)以及人工生命(ArtificialLife,AL)等。计算智能主要研究各类优化搜索算法,是当前人工智能学科中一个十分活跃的分支领域。1.3人工智能研究的方法及途径1.3.1人工智能研究的各种学派及其理论1、人工智能三大学派·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。·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。·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和行动。心理模拟,“心理模拟,符号推演”就是从人脑的宏观心理层面入手,以智能行为的心理模型为依据,将问题或知识表示成某种逻辑网络,采用符号推演的方法,模拟人脑的逻辑思维过程,实现人工智能。采用这一途径与方法的原因是:①人脑的可意识到的思维活动是在心理层面上进行的(如我Landyの人工智能-3-们的记忆、联想、推理、计算、思考等思维过程都是一些心理活动),心理层面上的思维过程是可以用语言符号显式表达的,从而人的智能行为就可以用逻辑来建模。②心理学、逻辑学、语言学等实际上也是建立在人脑的心理层面上的,从而这些学科的一些现成理论和方法就可供人工智能参考或直接使用。③当前的数字计算机可以方便地实现语言符号型知识的表示和处理。④可以直接运用人类已有显式知识(包括理论知识和经验知识)直接建立基于知识的智能系统。基于心理模拟和符号推演的人工智能研究,被称为心理学派、逻辑学派、符号主义。早期的代表人物有纽厄尔(AllenNewell)、肖(Shaw)、西蒙(HerbertSimon)等,后来还有费根宝姆(E.A.Feigenbaum)、尼尔逊(Nilsson)等。其代表性的理念是所谓的“物理符号系统假设”,即认为人对客观世界的认知基元是符号,认知过程就是符号处理的过程;而计算机也可以处理符号,所以就可以用计算机通过符号推演的方式来模拟人的逻辑思维过程,实现人工智能。符号推演法是人工智能研究中最早使用的方法之一。人工智能的许多重要成果也都是用该方法取得的,如自动推理、定理证明、问题求解、机器博弈、专家系统等等。由于这种方法模拟人脑的逻辑思维,利用显式的知识和推理来解决问题,因此,它擅长实现人脑的高级认知功能,如推理、决策等。生理模拟,神经计算（连结主义）“生理模拟,神经计算”就是从人脑的生理层面,即微观结构和工作机理入手,以智能行为的生理模型为依据,采用数值计算的方法,模拟脑神经网络的工作过程,实现人工智能。具体来讲,就是用人工神经网络作为信息和知识的载体,用称为神经计算的数值计算方法来实现网络的学习、记忆、联想、识别和推理等功能。我们知道,人脑的生理结构是由大约1011～1012(细胞)组成的神经网络,而且是一个动态的、开放的、高度复杂的巨系统,以致于人们至今对它的生理结构和工作机理还未完全弄清楚。因此,对人脑的真正和完全模拟,一时还难以办到。所以,目前的生理模拟只是对人脑的局部或近似模拟,也就是从群智能的层面进行模拟,实现人工智能。这种方法一般是通过神经网络的“自学习”获得知识,再利用知识解决问题。神经网络具有高度的并行分布性、很强的鲁棒性和容错性。它擅长模拟人脑的形象思维,便于实现人脑的低级感知功能,例如图像、声音信息的识别和处理。生理模拟和神经计算的方法早在20世纪40年代就已出现,但由于种种原因而发展缓慢,甚至一度出现低潮,直到80年代中期才重新崛起,现已成为人工智能研究中不可或缺的重要途径与方法。采用生理模拟和神经计算方法的人工智能研究,被称为生理学派、连接主义。其代表人物有McCulloch,Pitts,F.Rosenblatt,T.Kohonen,J.Hopfield等。行为模拟,还有一种基于“感知-行为”模型的研究途径和方法,我们称其为行为模拟法。这种方法是用模拟人和动物在与环境的交互、控制过程中的智能活动和行为特性,如反应、适应、学习、寻优等,来研究和实现人工智能。基于这一方法研究人工智能的典型代表要算MIT的R.Brooks教授,他研制的六足行走机器人(亦称为人造昆虫或机器虫),曾引起人工智能界的轰动。这个机器虫可以看做是新一代的“控制论动物”,它具有一定的适应能力,是一个运用行为模拟即控制进化方法研究人工智能的代表作。事实上,R.Brooks教授的工作代表了称为“现场(situated)AI”的人工智能新方向。现场AI强调智能系统与环境的交互,认为智能取决于感知和行动,智能行为可以不需要知识,提出“没有表示的智能”,“没有推理的智能”的观点,主张智能行为的“感知-动作”模式,认为人的智能、机器智能可以逐步进化,但只能在现实世界中与周围环境的交互中体现出来。智能只能放在环境中才是真正的智能,智能的高低主要表现在对环境的适应性上。基于行为模拟方法的人工智能研究,被称为行为主义、进化主义、控制论学派。行为主义曾强烈地批评传统的人工智能(主要指符号主义,也涉及连接主义)对真实世界的客观事物和复杂境遇,作了虚假的、过分简化的抽象。沿着这一途径,人们研制具有自学习、自适应、自组织Landyの人工智能-4-特性