搜索
本文受国家自然科学基金资助（项目编号60496323）作者简介:李德毅(1944－)男,江苏泰县人,博士生导师,中国工程院院士,主要研究领域为人工智能,指挥自动化，复杂网络等;刘常昱(1973－)女,博士后,主要研究领域为人工智能，复杂系统模拟人工智能值得注意的三个研究方向李德毅1刘常昱2（1中国电子系统工程研究所，北京，1008402解放军理工大学，南京，210007）ThreeDirectionsNeedtoPayMoreAttentiontoinArtificialIntelligenceStudiesLIDe-yi1LIUChang-yu2(1ChinaInstituteofElectronicSystemEngineering,Beijing,1008402DepartmentofInformationOperationandTrainingofPLANationalDefenseUniversity,Beijing,100091)摘要：人工智能在模式识别、知识工程、机器人等领域已经取得重大成就，但是离真正的人类智能还相差甚远。本文阐述新世纪人工智能科学有三个非常值得关注的研究方向。强调要在学科交叉研究中实现人工智能的发展与创新，要关注认知科学、脑科学、生物智能、物理学、复杂网络、计算机科学与人工智能之间的交叉渗透，尤其是重视认知物理学的研究；自然语言是人类思维活动的载体，是人工智能研究，尤其是知识表示无法回避的直接对象，要对语言中的概念建立起能够定量表示的不确定性转换模型，发展不确定性人工智能；要利用现实生活中复杂网络的小世界模型和无尺度特性，把网络拓扑作为知识表示的一种新方法，研究网络拓扑的演化与网络动力学行为，研究网络化了的智能，从而适应信息时代数据挖掘的普遍要求，迎接人工智能科学与应用新的辉煌。关键词：学科交叉，认知物理学，数据场，云模型，网络化智能从1956年著名的达特茅斯（Dartmouth）会议算起，人工智能学科诞生已有50年的历史，先后出现有逻辑学派（符号主义）、控制论学派（联结主义）和仿生学派（行为主义）。符号主义方法以物理符号系统假设和有限合理性原理为基础，联结主义方法以人工神经网络和进化计算为核心，行为主义方法则侧重研究感知和行动之间的关系。这些理论和方法在模式识别、知识工程、机器人等领域取得伟大成就，极大地推动了科技进步和社会发展。专家系统、智能控制、数据挖掘、智能机器人、智能社区随处可见，改变了我们的生活。有人把人工智能与基因工程、纳米科学被并称为21世纪三大尖端技术。人工智能自诞生之日起就引发了人们无限美丽的想象和憧憬，但人工智能的发展过程也存在着不少争议和困惑：什么才算是真正的“智能”？为什么再高级的电脑、再智能的机器与人类的智能相比仍然那么幼稚？为什么人工智能与人们最初的想象和期望仍然相距甚远？未来的人工智能发展方向中那些更值得我们更多地关注？最近十几年来，我们在国家自然科学基金项目、国家863计划、973计划的支持下，围绕不确定性人工智能做了一些研究工作。这些研究正走向一个有机的整体，把许多重要的、但又是局部的结果，统一到一个令人满意的框架内。这些研究也让我们深深陷入了对人工智能未来发展方向的思考。1在交叉学科研究中实现人工智能的创新人工智能虽然常常被划分为计算机科学或自动化的一个分支，但它的研究范畴一直是很宽泛的，涉及到哲学、认知科学、行为科学、脑科学、生理学、心理学、语言学、逻辑学、物理学、数学以及信息论、控制论和系统论等许多学科领域。人工智能这种综合性、交叉性的特征，早在它诞生之日起就已经得到体现。在达特茅斯会议上，有包括数学、神经生理学、精神病学、心理学、信息论和计算机科学等多领域的学者参加，科学家们从各自学科的角度出发，根据不同的学科背景，强调了各自的重点，产生了激烈的碰撞。尽管各自的出发点有所不同，它们都汇聚到研究人类智能活动的表现形式和认知规律，借用数理逻辑来形式化，用计算机作为载体，提供关于形式化计算和符号处理的理论，模拟人类某些智能行为和方法，构造具有一定智能的人工系统，让计算机去完成以往需要人的智力才能胜任的工作，从而诞生了“人工智能”这一交叉学科。在目前人工智能发展难以有大的突破的情况下，回首它当初在起点时刻发生的学科碰撞，是十分有益的。21世纪人工智能发展的主要动力，更是要来自更广泛学科的交叉渗透，而各自学科自身的飞速发展，尤其是信息科学的发展，为人工智能交叉研究提供了更为广阔的空间。1.1重视和脑科学的交叉研究脑科学的目的是认识脑、保护脑和创造脑。人工智能目前是用电脑模拟人脑，还力图制造人工脑。因此脑科学和人工智能的交叉是必然的。脑科学又称神经科学。人脑被认为是自然界中最复杂、最高级的智能系统。揭示脑的奥秘已成为当代自然科学面临的最大挑战。对人脑的探索，人类走过漫长的道路。早在公元前400年，古希腊医师希波克拉底（Hippocrates）就提出脑是智慧的器官；17世纪笛卡尔（Descartes）提出了“反射”的概念；19世纪末，卡赫尔(Cajal)发明的以他的名字命名的染色法奠定了神经元学说基础。进入20世纪后，巴甫洛夫（IvanPetrovichPavlov）创立了高级神经活动的条件反射学说；40年代，微电极的发明开创了神经生理研究，对神经活动的认识出现了重大的飞跃；60年代，神经科学蓬勃发展，从细胞与分子水平研究脑科学；无创伤大脑成像技术为人们认识活体脑的活动及分析其机制提供了前所未有的强大工具。90年代开始，人们开始重视脑科学研究中整合性的观点。1989年，美国率先推出了全国性的脑科学计划，并把20世纪最后十年命名为“脑的十年”[参考文献]。人类在探求脑的崎岖之路上迤逦而行，取得了辉煌成就，一群脑科学家获得了诺贝尔奖。脑科学从分子水平、细胞水平、行为水平和整体水平对脑功能和疾病进行综合研究，并从脑的发育过程了解脑的构造和工作原理。人工智能是研究怎样使计算机来模仿人脑所从事的推理、学习、思考、规划等思维活动，来解决人类专家才能处理的复杂问题。应该说，对于人脑的研究是人工智能的必要前提。脑的复杂性体现在它是由太数量级的神经元和千太数量级的突触联结的信息处理和决策系统。人们的认知活动反应在大脑上很可能对应着一定的生理上的化学、电学的变化。但是目前生命科学还不能在思维活动与亚细胞的化学、电学层次的活动建立确切的关系。例如一个概念如何以生物学形式存储，它与其它概念发生联系的生物学过程是什么。也不能决定什么样的神经构造可以决定着哪些认知模式的发生。因而脑科学今后的任务仍将是从多层次来研究脑的整合功能，包括脑如何感知、如何思维、如何理解语言、如何产生情感，并将对神经活动的认识推向细胞和分子水平[参考文献]。这些研究都将大大推动人工智能科学的发展。尽管“脑科学十年计划”的研究，仍然没有能够解开意识的本质之谜，正在执行的“行为科学十年计划”，仍然想通过生命科学研究发明出“读心机”、“记忆丸”、“聪明丸”等，但这更有可能促进我们用机器去模拟人的智能的努力。脑科学研究的进展对人工智能的影响是勿容置疑的，在对待脑科学与人工智能关系的问题上，要树立共同揭示脑功能的本质、模拟预防和治疗脑的疾病的机理，树立创造具备人脑局部特点的智能计算机的学科交叉意识。21.2重视和认知科学的交叉研究认知科学是从认知心理学发展起来的。“认知科学”这个词汇，首次出现于公开发行物，可能是在1975年D.G.Bobrow和A.Collins编著的《RepresentationandUnderstanding:StudiesinCognitiveScience》一书中。1977年《CognitiveScience》创刊，1979年在加利福尼亚大学圣地亚哥分校召开了第一届认知科学会议，比人工智能的“达特茅斯”会议晚了23年。在那次会议上，主持人诺尔曼（D.A.Norman）所作的报告《认知科学的12个主题》为认知科学的研究选择了目标，成为认知科学的纲领性文献[参考文献]。认知科学是研究人类感知和人类思维过程的科学，包括研究感知、记忆、学习、语言和其它认知活动[参考文献]。感知是大脑通过各种感觉器官接受外界的声、光、触、嗅等信息，其中视觉感知起着尤为重要的作用。认知以感知为基础，知觉是脑对客观各种属性的综合反应，知觉的表达是研究其它各个层面认知过程的基础。记忆是对感知的保持，有了记忆，当前的反映才能在在以前反映的基础上进行；有了记忆，人才能积累经验。记忆和遗忘是大脑的本能。学习是基本的认知活动，学习的神经生物学基础是神经细胞之间的联系结构突触的可塑性变化，该方向的研究已经成为当代脑科学中一个十分活跃的领域。有人又把学习分为感知学习、认知学习和意义学习。学习主要是通过语言来表达的，人类智能和其它生物智能最突出的差别就在于语言，尤其是文字语言。语言以语音为外壳、词汇为材料、语法为规则。语言是结构最复杂、使用最灵活、应用最广泛的符号系统。人们通过语言进行思维的活动和认知的交流。还有很多其它的认知行为，如注意、意识等[参考文献]。通过许多生物的对比实验，来理解生物的心理活动和表象之间的关系[参考文献]。人工智能要想在知识的表示、学习、存储、搜索、优化、预测、计划、判断、自适应等方面取得突破性成果，必然要把研究目标拓广到整个认知科学的理论、实验和实证中去。1.3重视和物理学的交叉研究人类在对客观世界的认识过程中，已经取得的最集中、最突出的惊人成就，当属物理学。如：分子物理学、原子物理学、粒子物理学，还有天文学的大爆炸理论，大陆漂移说和进化论等。迄今为止，物理学家已经发现，自然界存在万有引力、电磁力、强作用力和弱作用力四种相互作用，分别存在于不同尺度的物理现象中，形成所谓的层次。人们对物质结构的认识，一方面去探索大尺度的目标，包括行星、星球、银河系等，另一方面积极探索微观世界，发现物质更小的构成单元，从分子、原子深入到原子核、再到中子、质子，进一步又深入到夸克层次。用更统一的理论去覆盖这四中相互作用，是大物理学家们孜孜不断的追求。诺贝尔物理学奖获得者李政道曾说：“科学，不管天文、物理、生物、化学，对自然界的现象，进行新的准确的抽象，科学家抽象的叙述越简单，应用越广泛，科学创造也就越深刻”。如此精辟的结论，启发了一个深刻的问题：21世纪物理发展依然是简化归纳。当今，人工智能研究中一个十分活跃的分支——数据挖掘，是逆早期以演绎为主的专家系统的潮流而动，人们期望能够通过对数据的分析、过滤、整合，挖掘，模拟人的认知和思维活动，发现新的知识，这种抽象的过程，本质是简化归纳。那么，人类主客观的认知活动有没有相似之处？对人脑自身的认识是否可以借鉴对客观世界的认知呢？因此，可以预言，21世纪认知和思维科学发展的一个重要方向，就是把现代物理学中对客观世界的认知理论引伸到对主观世界的认知中来，就是我们孜孜所求的方向，不妨称之为认知物理学[参考文献]。物理学在对客观世界的认识中，场论起到了关键的作用。借鉴物理学中场的思想，我们将物质粒子间的相互作用及其场描述方法引入抽象的认知空间。按照认知物理学的思路，人自身的认知和思维过程，从数据到信息，从信息到知识，如果也用场的思想来形式化表示，3就可以建立一个认知场，来描述数据之间的相互作用，可视化人的认知、记忆、思维等过程。论域空间中的数据点也好，概念也好，语言值也好，集团也好，甚至都可以认为是场空间中相互作用的客体或者对象。以从关系数据库中发现知识为例，不妨将发现知识的背景看作是一个具有M维属性的N条记录构成的逻辑数据库，即M维论域空间中的N个客体表示的数据分布，作为认识问题的起点。每一个客体看作是论域空间的一个点电荷或质点，位于场内的所有其它客体都将受到该客体的某种作用力。这样一来，在整个论域空间就会形成一个场，所谓数据库中的知识发现，就是从不同粒度上研究这些客体之间通过场发生的相互作用和关系，模拟人宰知识发现中的抽象过程。层次的划分在自然界、人类社会和思维领域中普遍存在，从不同概念层次分析和处理论域空间中的数据，只是从不同粒度理解这些信息量而已。借鉴物理学中的粒度来反映发现知识