人工智能概述(全文)

74次阅读

人工智能概述

摘要: 该文介绍了人工智能当前的研究概况、研究热点, 展望了人工智能未来的发展方向, 同时分析了广义人工智能概念涵义、理论基础、学科体系、科学方法、科学意义及应用价值。

关键词: 人工智能; 人工智能研究; 广义人工智能

中图分类号:TP18 文献标识码:A 文章编号:1009-3044(2010)13-3507-03

Artificial Intelligence Overview

HU Qin

(Baiyun Middle School in Zongyang Country, Anqing 246728, China)

Abstract:The paper introduces current general research and hot research topic of artificial intelligence. The paper looks forward to the future development direction of artificial intelligence. In addition, the paper analyzes implication of concepts, theoretical foundation, discipline system, scientific approaches, scientific significance and application value of generalized artificial intelligence.

Key words: artificial intelligence; artificial intelligence research; generalized artificial intelligence

人工智能是计算机学科的一个分支, 是一门正在发展中的综合性的前沿学科, 它是研究人类智能活动的规律, 并用于模拟、延伸和扩展人类智能的一门新的技术科学, 是在计算机、控制论、信息论、数学、心理学等多种学科相互综合、相互渗透的基础上发展起来的一门新兴边缘学科[1]。人工智能目前已在指纹及人脸识别、专家系统、智能搜索、定理证明、博弈、自动程序设计以及航空航天领域取得了广义的应用。

1 人工智能研究概况

当 20 世纪 40 年代数字计算机研制成功时, 当时的研究者就采用启发式思维, 运用领域知识, 编写了能够完成复杂问题求解的计算机程序, 包括可以下国际象棋和证明平面几何定理的计算机程序[2]。运用计算机处理这些复杂问题的方法具有显著人类智能的特色, 从而导致了人工智能的诞生。1956 年,McCarthy 决定把 Dartmouth 会议用人工智能来命名, 开创了具有真正意义的人工智能的研究。

图灵 (Alan Turing) 所著的“计算机器与智能”[3]讨论了人类智能机械化的可能性, 提出了图灵机的理论模型, 为现代计算机的出现莫定了理论基础。同时该文中还提出了著名的图灵准则, 在人工智能研究领域,“图灵检验”已成为最重要的智能机标准。同一时期,Warren McCullocli 和 Walter Pitts 发表了“神经活动内在概念的逻辑演算”的开创之作[4], 该文证明了: 一定类型的可严格定义的神经网络, 原则上能够计算一定类型的逻辑函数并开创了当前人工智能研究的两大类别:“符号论”和“联结论”。

从 20 世纪 60 年代至 70 年代初, 人工智能领域有影响的工作是通用问题求解程序, 主要包括:Robinson 于 1965 年提出了归结原理, 成为自动定理证明的基础[5] ;Feigenbaum 于 1968 年研制成功了 DENDRAL 化学专家系统, 是人工智能走向实用化的标志。Quillian 于 1968 年提出了语义网络的知识表示等。20 世纪 70 年代, 人工智能研究以自然语言理解、知识表示为主。Winograd 于 1972 年研制开发了自然语言理解系统 Shrdlu, 同时期 Colmeraue 创建了 Prolog 语言。Shank 于 1973 年提出了概念从属理论。Minsky 于 1974 年提出了框架知识表示法。1977 年,Feigenbaum 提出了知识工程, 专家系统开始得到广泛应用。

20 世纪 80 年代以来, 以推理技术、知识获取机器视觉的研究为主。开始了不确定性推理和确定性推理方法的研究。日本计算机界推出了“第五代计算机研制计划”, 该计划最终未能实现当初的目标―以非数字化方式在日常范围内全面的模仿人类行为, 但该计划也为人工智能的进一步发展积累了很多经验。20 世纪 90 年代, 人工智能研究在博弈这一领域有了实质性的进展。1997 年 5 月 11 日, 一个名为“深蓝”的 IBM 计算机以 2 胜 1 负 3 平的成绩战胜了国际象棋世界冠军卡斯帕罗夫, 这举世震惊的一步大大地振奋了整个人工智能界, 而事实上“深蓝”打败卡斯帕罗夫仍是从专家系统提供的所有可能的走步中选择最优的, 并未有理论上的实质性的突破。

中国人在人工智能领域的突出贡献主要有:1960 年, 华裔美国数理逻辑学家王浩提出了命题逻辑的机器定理证明的新算法, 利用计算机证明了集合论中的 300 多条定理。1977 年, 我国数学家、人工智能学家吴文俊提出了初等几何判定问题的机器定理证明方法, 并进一步推广到初等微分几何、非欧几何领域, 被称为“吴氏方法”。80-90 年代, 我国高等院校和研究机构在智能控制与智能机器人的研究开发方面, 取得了丰硕的成果。

回顾人工智能发展的历史进程, 从科学方法论的角度分析, 其发展有三条途径, 分别是结构模拟、功能模拟和行为模拟。在学术观点上有人工神经网络、专家系统和智能机器人三大学派。

2 人工智能当前的热点研究

人工智能学科研究的主要内容包括: 知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。目前人工智能研究的 3 个热点是: 智能接口[6]、智能信息处理[7]、主体及多主体系统[8]。

2.1 智能接口技术

智能接口技术是研究如何使人们能够方便自然地使用计算机。这一目标的实现要求计算机能够看懂文字、听懂语言, 甚至能够进行不同语言之间的翻译, 而这些功能的实现又依赖于知识表示方法的研究。因此, 智能接口技术的研究既有巨大的应用价值, 目前, 智能接口技术已经取得了显著成果, 文字识别、语音识别、语音合成、图像识别、机器翻译以及自然语言理解等技术已经开始实用化, 如: 微软提出的云计算、百度提出的框计算都与智能接口技术有关。

2.2 智能信息处理

计算机的广泛应用是人类进入一个信息爆炸的时代, 国民经济和社会信息化发展所面临的一个重要课题是如何把大量的数据转化为有用的知识, 并将知识转化为智能, 用于决策、管理、检索、过程控制等。智能信息处理使从海量数据中提起有用知识成为可能, 当前, 图形模式作为一种有效的智能数据处理手段正在引起人们的重视, 图形模式具有多功能性、有效性及开放性等特征, 能有效地转化数据为知识, 并利用这些知识进行推理, 以解决分类、聚类、预测和因果分析等问题, 其有效性已在软件智能化、医疗故障诊断、金融风险分析、DNA 功能分析和 Web 采掘等方面得到验证。随着图形模式学习和基于图形模式推理等问题的解决, 图形模式必将成为重要和有力的智能化数据分析与处理工具。

2.3 主体及多主体系统

主体是具有信念、愿望、意图、能力、选择等心智状态的智能性实体, 而且具有一定自主性。主体试图自治地、独立地完成任务, 同时又可以和环境交互, 与其他主体通信, 并通过规划达到目标。多主体系统主要研究在逻辑上或物理上分离的多个主体之间进行协调智能行为, 最终实现问题求解。目前对主体和多主体系统的研究主要集中在主体和多主体理论、主体的体系结构和组织、主体语言、主体之间的协作和协调、通信和交互技术、多主体学习以及多主体系统应用等方面。

3 人工智能未来的研究方向

当前, 人工智能学科已从学派分歧的、传统的、狭义的人工智能, 走向多学派兼容、多层次结合现代的广义人工智能, 并将发展成为人机集成的、群体协同的、未来的智能科学技术 [9]。广义人工智能学科的理论基础是广义智能信息系统论, 主要包括广义智能论、智能信息论和智能系统论。

3.1 广义人工智能的概念涵义和学科体系

多学派人工智能是指模拟、延伸与扩展人的智能及其它动物智能, 既研究机器智能, 也开发智能机器。多层次人工智能是指不仅研究专家系统, 而且研究人工神经网络、模式识别、智能机器人等。多智体人工智能研究群体的、网络的多智体、分布式人工智能。研究如何使分散的个体人工智能协调配合, 形成协同的群体人工智能, 模拟、延伸与扩展人的群体智能或其它动物的群体智能。

广义人工智能的研究对象是自然智能、人工智能、集成智能和协同智能, 根据广义智能学的研究对象, 广义人工智能学的学科体系主要包括四个方面:①自然智能学: 自然智能学研究人的智能及其他生物智能的个体智能、群体智能的基本概念和特性。②人工智能学: 人工智能学研究机器智能与智能机器二方面, 思维、感知、行为三层次的广义人工智能的基本概念和特性, 分析设计、协调协同、进化开拓、评价测度、信息处理、系统构成、管理控制的理论和方法。③集成智能学: 集成智能学研究自然智能与人工智能, 主要是人的智能与机器智能如何协调配合、取长补短、合理分工、智能结合, 形成集成智能、构成人机和谐集成智能系统的基本理论和方法。④协同智能学: 协同智能学研究智能个体如何相互协调、友好协商、分工协作, 组成智能群体, 组成分布式网络群体协同智能系统的基本理论和方法。

3.2 广义人工智能的科学方法

①多学科协同: 广义人工智能是跨学科的综合性边缘学科, 必须需要包含信息科学、生物科学、系统科学等多学科协同的科学研究方法。② 多途径结合: 广义人工智能是对广义自然智能的模拟、延伸和扩展, 需要采取功能模拟、结构模拟、行为模拟等定性研究与定量分析, 综合集成的多途径相结合的科学方法。③多学派兼容: 广义人工智能的研究应当也需要采取符号主义, 联结主义, 行为主义等多学派兼容的科学方法。

3.3 广义人工智能的科学意义

研究发展广义智能学具有重要科学意义和应用价值, 广义人工智能协同地、综合地研究自然智能、人工智能, 开发人机集成智能、群体协同智能的基础理论和方法, 如: 协同研究自然智能与人工智能; 研究开发人机集成智能; 研究开发群体协同智能; 广义人工智能为研究人工智能和自热智能提供新思路和新方法, 并为发展智能科学技术提供新理论。

4 结论

本文全面综述了人工智能的发展过程、研究热点和研究趋势, 介绍了广义人工智能的基础理论和方法, 认识到广义人工智能将为智能科学技术提供宽广、深厚的理论基础, 并将有力促进智能科学技术的迅速发展与广泛应用。

参考文献:

[1] 马少平, 朱小燕. 人工智能[M]. 北京: 清华大学出版社,2004.

[2] 石纯一, 黄吕宁, 土家钦. 人工智能原理[M]. 北京: 清华大学出版社,1993.

[3] L.A. Zadeh, Fuzzy Sets[J].Information and Control,1965(8).

[4] Bord M A. 人工智能哲学[M]. 刘西瑞, 王汉琦, 译. 上海: 上海译文出版社,2001.

[5] 刘叙华. 基于归结方法的自动推理[M]. 北京: 科学出版社,1994.

[6] 顾明. 基于模糊 ART 神经网络的在线人脸识别模型的设计和实现[J]. 计算机科学,2007(8):92-94.

[7] 王双成. 面向智能数据处理的图形模式研究[D]. 吉林大学,2004.

[8] Gerhard W. Multiagent System:A Modern Approach to Distributed Artificial Intelligence[M].Boston:MIT Preess,1999.

[9] 涂序彦. 广义智能学. 中国人工智能第 11 届全国年会论文集[C]. 北京: 北京邮电大学出版社,2005.

原文链接:https://www.wenmi.com/article/pz1xx004ivfd.html

正文完
 
不知道
版权声明:本站原创文章,由 不知道 2023-08-09发表,共计4782字。
转载说明:声明:本站内容均来自互联网,归原创作者所有,如有侵权必删除。 本站文章皆由CC-4.0协议发布,如无来源则为原创,转载请注明出处。