Hi,你好,歡迎來(lái)到智慧城市網(wǎng)
  • 廠(chǎng)家直供
  • 大宗采購
  • 實(shí)力企業(yè)
  • 資訊頭條
  • 招商
  • 卓越品牌
?
當前位置: 首頁(yè) » 人工智能
人工智能
       人工智能(Artificial Intelligence),英文縮寫(xiě)為AI。它是研究、開(kāi)發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應用系統的一門(mén)新的技術(shù)科學(xué)。

人工智能是計算機科學(xué)的一個(gè)分支,它企圖了解智能的實(shí)質(zhì),并生產(chǎn)出一種新的能以人類(lèi)智能相似的方式做出反應的智能機器,該領(lǐng)域的研究包括機器人、語(yǔ)言識別、圖像識別、自然語(yǔ)言處理和專(zhuān)家系統等。人工智能從誕生以來(lái),理論和技術(shù)日益成熟,應用領(lǐng)域也不斷擴大,可以設想,未來(lái)人工智能帶來(lái)的科技產(chǎn)品,將會(huì )是人類(lèi)智慧的“容器”。人工智能可以對人的意識、思維的信息過(guò)程的模擬。人工智能不是人的智能,但能像人那樣思考、也可能超過(guò)人的智能。

人工智能是一門(mén)極富挑戰性的科學(xué),從事這項工作的人必須懂得計算機知識,心理學(xué)和哲學(xué)。人工智能是包括十分廣泛的科學(xué),它由不同的領(lǐng)域組成,如機器學(xué)習,計算機視覺(jué)等等,總的說(shuō)來(lái),人工智能研究的一個(gè)主要目標是使機器能夠勝任一些通常需要人類(lèi)智能才能完成的復雜工作。但不同的時(shí)代、不同的人對這種“復雜工作”的理解是不同的。2017年12月,人工智能入選“2017年度中國媒體十大流行語(yǔ)”。

人工智能的定義可以分為兩部分,即“人工”和“智能”。“人工”比較好理解,爭議性也不大。有時(shí)我們會(huì )要考慮什么是人力所能及制造的,或者人自身的智能程度有沒(méi)有高到可以創(chuàng )造人工智能的地步,等等。但總的來(lái)說(shuō),“人工系統”就是通常意義下的人工系統。

關(guān)于什么是“智能”,就問(wèn)題多多了。這涉及到其它諸如意識(CONSCIOUSNESS)、自我(SELF)、思維(MIND)(包括無(wú)意識的思維(UNCONSCIOUS_MIND))等等問(wèn)題。人唯一了解的智能是人本身的智能,這是普遍認同的觀(guān)點(diǎn)。但是我們對我們自身智能的理解都非常有限,對構成人的智能的必要元素也了解有限,所以就很難定義什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及對人的智能本身的研究。其它關(guān)于動(dòng)物或其它人造系統的智能也普遍被認為是人工智能相關(guān)的研究課題。

人工智能在計算機領(lǐng)域內,得到了愈加廣泛的重視。并在機器人,經(jīng)濟政治決策,控制系統,仿真系統中得到應用。

尼爾遜教授對人工智能下了這樣一個(gè)定義:“人工智能是關(guān)于知識的學(xué)科――怎樣表示知識以及怎樣獲得知識并使用知識的科學(xué)。”而另一個(gè)美國麻省理工學(xué)院的溫斯頓教授認為:“人工智能就是研究如何使計算機去做過(guò)去只有人才能做的智能工作。”這些說(shuō)法反映了人工智能學(xué)科的基本思想和基本內容。即人工智能是研究人類(lèi)智能活動(dòng)的規律,構造具有一定智能的人工系統,研究如何讓計算機去完成以往需要人的智力才能勝任的工作,也就是研究如何應用計算機的軟硬件來(lái)模擬人類(lèi)某些智能行為的基本理論、方法和技術(shù)。

人工智能是計算機學(xué)科的一個(gè)分支,二十世紀七十年代以來(lái)被稱(chēng)為世界三大尖端技術(shù)之一(空間技術(shù)、能源技術(shù)、人工智能)。也被認為是二十一世紀三大尖端技術(shù)(基因工程、納米科學(xué)、人工智能)之一。這是因為近三十年來(lái)它獲得了迅速的發(fā)展,在很多學(xué)科領(lǐng)域都獲得了廣泛應用,并取得了豐碩的成果,人工智能已逐步成為一個(gè)獨立的分支,無(wú)論在理論和實(shí)踐上都已自成一個(gè)系統。

人工智能是研究使計算機來(lái)模擬人的某些思維過(guò)程和智能行為(如學(xué)習、推理、思考、規劃等)的學(xué)科,主要包括計算機實(shí)現智能的原理、制造類(lèi)似于人腦智能的計算機,使計算機能實(shí)現更高層次的應用。人工智能將涉及到計算機科學(xué)、心理學(xué)、哲學(xué)和語(yǔ)言學(xué)等學(xué)科??梢哉f(shuō)幾乎是自然科學(xué)和社會(huì )科學(xué)的所有學(xué)科,其范圍已遠遠超出了計算機科學(xué)的范疇,人工智能與思維科學(xué)的關(guān)系是實(shí)踐和理論的關(guān)系,人工智能是處于思維科學(xué)的技術(shù)應用層次,是它的一個(gè)應用分支。從思維觀(guān)點(diǎn)看,人工智能不僅限于邏輯思維,要考慮形象思維、靈感思維才能促進(jìn)人工智能的突破性的發(fā)展,數學(xué)常被認為是多種學(xué)科的基礎科學(xué),數學(xué)也進(jìn)入語(yǔ)言、思維領(lǐng)域,人工智能學(xué)科也必須借用數學(xué)工具,數學(xué)不僅在標準邏輯、模糊數學(xué)等范圍發(fā)揮作用,數學(xué)進(jìn)入人工智能學(xué)科,它們將互相促進(jìn)而更快地發(fā)展。 [3]

研究?jì)r(jià)值

具有人工智能的機器人

具有人工智能的機器人

例如繁重的科學(xué)和工程計算本來(lái)是要人腦來(lái)承擔的,如今計算機不但能完成這種計算,而且能夠比人腦做得更快、更準確,因此當代人已不再把這種計算看作是“需要人類(lèi)智能才能完成的復雜任務(wù)”,可見(jiàn)復雜工作的定義是隨著(zhù)時(shí)代的發(fā)展和技術(shù)的進(jìn)步而變化的,人工智能這門(mén)科學(xué)的具體目標也自然隨著(zhù)時(shí)代的變化而發(fā)展。它一方面不斷獲得新的進(jìn)展,另一方面又轉向更有意義、更加困難的目標。

通常,“機器學(xué)習”的數學(xué)基礎是“統計學(xué)”、“信息論”和“控制論”。還包括其他非數學(xué)學(xué)科。這類(lèi)“機器學(xué)習”對“經(jīng)驗”的依賴(lài)性很強。計算機需要不斷從解決一類(lèi)問(wèn)題的經(jīng)驗中獲取知識,學(xué)習策略,在遇到類(lèi)似的問(wèn)題時(shí),運用經(jīng)驗知識解決問(wèn)題并積累新的經(jīng)驗,就像普通人一樣。我們可以將這樣的學(xué)習方式稱(chēng)之為“連續型學(xué)習”。但人類(lèi)除了會(huì )從經(jīng)驗中學(xué)習之外,還會(huì )創(chuàng )造,即“跳躍型學(xué)習”。這在某些情形下被稱(chēng)為“靈感”或“頓悟”。一直以來(lái),計算機最難學(xué)會(huì )的就是“頓悟”?;蛘咴?lài)栏褚恍﹣?lái)說(shuō),計算機在學(xué)習和“實(shí)踐”方面難以學(xué)會(huì )“不依賴(lài)于量變的質(zhì)變”,很難從一種“質(zhì)”直接到另一種“質(zhì)”,或者從一個(gè)“概念”直接到另一個(gè)“概念”。正因為如此,這里的“實(shí)踐”并非同人類(lèi)一樣的實(shí)踐。人類(lèi)的實(shí)踐過(guò)程同時(shí)包括經(jīng)驗和創(chuàng )造。

這是智能化研究者夢(mèng)寐以求的東西。

2013年,帝金數據普數中心數據研究員S.C WANG開(kāi)發(fā)了一種新的數據分析方法,該方法導出了研究函數性質(zhì)的新方法。作者發(fā)現,新數據分析方法給計算機學(xué)會(huì )“創(chuàng )造”提供了一種方法。本質(zhì)上,這種方法為人的“創(chuàng )造力”的模式化提供了一種相當有效的途徑。這種途徑是數學(xué)賦予的,是普通人無(wú)法擁有但計算機可以擁有的“能力”。從此,計算機不僅精于算,還會(huì )因精于算而精于創(chuàng )造。計算機學(xué)家們應該斬釘截鐵地剝奪“精于創(chuàng )造”的計算機過(guò)于全面的操作能力,否則計算機真的有一天會(huì )“反捕”人類(lèi)。

當回頭審視新方法的推演過(guò)程和數學(xué)的時(shí)候,作者拓展了對思維和數學(xué)的認識。數學(xué)簡(jiǎn)潔,清晰,可靠性、模式化強。在數學(xué)的發(fā)展史上,處處閃耀著(zhù)數學(xué)大師們創(chuàng )造力的光輝。這些創(chuàng )造力以各種數學(xué)定理或結論的方式呈現出來(lái),而數學(xué)定理最大的特點(diǎn)就是:建立在一些基本的概念和公理上,以模式化的語(yǔ)言方式表達出來(lái)的包含豐富信息的邏輯結構。應該說(shuō),數學(xué)是最單純、最直白地反映著(zhù)(至少一類(lèi))創(chuàng )造力模式的學(xué)科。

發(fā)展階段

1956年夏季,以麥卡賽、明斯基、羅切斯特和申農等為首的一批有遠見(jiàn)卓識的年輕科學(xué)家在一起聚會(huì ),共同研究和探討用機器模擬智能的一系列有關(guān)問(wèn)題,并首次提出了“人工智能”這一術(shù)語(yǔ),它標志著(zhù)“人工智能”這門(mén)新興學(xué)科的正式誕生。IBM公司“深藍”電腦擊敗了人類(lèi)的世界國際象棋冠軍更是人工智能技術(shù)的一個(gè)完美表現。

從1956年正式提出人工智能學(xué)科算起,50多年來(lái),取得長(cháng)足的發(fā)展,成為一門(mén)廣泛的交叉和前沿科學(xué)??偟恼f(shuō)來(lái),人工智能的目的就是讓計算機這臺機器能夠像人一樣思考。如果希望做出一臺能夠思考的機器,那就必須知道什么是思考,更進(jìn)一步講就是什么是智慧。什么樣的機器才是智慧的呢?科學(xué)家已經(jīng)作出了汽車(chē),火車(chē),飛機,收音機等等,它們模仿我們身體器官的功能,但是能不能模仿人類(lèi)大腦的功能呢?到目前為止,我們也僅僅知道這個(gè)裝在我們天靈蓋里面的東西是由數十億個(gè)神經(jīng)細胞組成的器官,我們對這個(gè)東西知之甚少,模仿它或許是天下最困難的事情了。

當計算機出現后,人類(lèi)開(kāi)始真正有了一個(gè)可以模擬人類(lèi)思維的工具,在以后的歲月中,無(wú)數科學(xué)家為這個(gè)目標努力著(zhù)。如今人工智能已經(jīng)不再是幾個(gè)科學(xué)家的專(zhuān)利了,全世界幾乎所有大學(xué)的計算機系都有人在研究這門(mén)學(xué)科,學(xué)習計算機的大學(xué)生也必須學(xué)習這樣一門(mén)課程,在大家不懈的努力下,如今計算機似乎已經(jīng)變得十分聰明了。例如,1997年5月,IBM公司研制的深藍(DEEP BLUE)計算機戰勝了國際象棋大師卡斯帕洛夫(KASPAROV)。大家或許不會(huì )注意到,在一些地方計算機幫助人進(jìn)行其它原來(lái)只屬于人類(lèi)的工作,計算機以它的高速和準確為人類(lèi)發(fā)揮著(zhù)它的作用。人工智能始終是計算機科學(xué)的前沿學(xué)科,計算機編程語(yǔ)言和其它計算機軟件都因為有了人工智能的進(jìn)展而得以存在。

科學(xué)介紹

實(shí)際應用

機器視覺(jué),指紋識別,人臉識別,視網(wǎng)膜識別,虹膜識別,掌紋識別,專(zhuān)家系統,自動(dòng)規劃,智能搜索,定理證明,博弈,自動(dòng)程序設計,智能控制,機器人學(xué),語(yǔ)言和圖像理解,遺傳編程等。

學(xué)科范疇

人工智能是一門(mén)邊緣學(xué)科,屬于自然科學(xué)和社會(huì )科學(xué)的交叉。

涉及學(xué)科

哲學(xué)和認知科學(xué),數學(xué),神經(jīng)生理學(xué),心理學(xué),計算機科學(xué),信息論,控制論,不定性論

研究范疇

自然語(yǔ)言處理,知識表現,智能搜索,推理,規劃,機器學(xué)習,知識獲取,組合調度問(wèn)題,感知問(wèn)題,模式識別,邏輯程序設計軟計算,不精確和不確定的管理,人工生命,神經(jīng)網(wǎng)絡(luò ),復雜系統,遺傳算法

意識和人工智能

人工智能就其本質(zhì)而言,是對人的思維的信息過(guò)程的模擬。

對于人的思維模擬可以從兩條道路進(jìn)行,一是結構模擬,仿照人腦的結構機制,制造出“類(lèi)人腦”的機器;二是功能模擬,暫時(shí)撇開(kāi)人腦的內部結構,而從其功能過(guò)程進(jìn)行模擬?,F代電子計算機的產(chǎn)生便是對人腦思維功能的模擬,是對人腦思維的信息過(guò)程的模擬。

弱人工智能如今不斷地迅猛發(fā)展,尤其是2008年經(jīng)濟危機后,美日歐希望借機器人等實(shí)現再工業(yè)化,工業(yè)機器人以比以往任何時(shí)候更快的速度發(fā)展,更加帶動(dòng)了弱人工智能和相關(guān)領(lǐng)域產(chǎn)業(yè)的不斷突破,很多必須用人來(lái)做的工作如今已經(jīng)能用機器人實(shí)現。

而強人工智能則暫時(shí)處于瓶頸,還需要科學(xué)家們和人類(lèi)的努力。

技術(shù)研究

用來(lái)研究人工智能的主要物質(zhì)基礎以及能夠實(shí)現人工智能技術(shù)平臺的機器就是計算機,人工智能的發(fā)展歷史是和計算機科學(xué)技術(shù)的發(fā)展史聯(lián)系在一起的。除了計算機科學(xué)以外,人工智能還涉及信息論、控制論、自動(dòng)化、仿生學(xué)、生物學(xué)、心理學(xué)、數理邏輯、語(yǔ)言學(xué)、醫學(xué)和哲學(xué)等多門(mén)學(xué)科。人工智能學(xué)科研究的主要內容包括:知識表示、自動(dòng)推理和搜索方法、機器學(xué)習和知識獲取、知識處理系統、自然語(yǔ)言理解、計算機視覺(jué)、智能機器人、自動(dòng)程序設計等方面。

研究方法

如今沒(méi)有統一的原理或范式指導人工智能研究。許多問(wèn)題上研究者都存在爭論。其中幾個(gè)長(cháng)久以來(lái)仍沒(méi)有結論的問(wèn)題是:是否應從心理或神經(jīng)方面模擬人工智能?或者像鳥(niǎo)類(lèi)生物學(xué)對于航空工程一樣,人類(lèi)生物學(xué)對于人工智能研究是沒(méi)有關(guān)系的?智能行為能否用簡(jiǎn)單的原則(如邏輯或優(yōu)化)來(lái)描述?還是必須解決大量完全無(wú)關(guān)的問(wèn)題?

智能是否可以使用高級符號表達,如詞和想法?還是需要“子符號”的處理?JOHN HAUGELAND提出了GOFAI(出色的老式人工智能)的概念,也提議人工智能應歸類(lèi)為SYNTHETIC INTELLIGENCE,這個(gè)概念后來(lái)被某些非GOFAI研究者采納。

大腦模擬

主條目:控制論和計算神經(jīng)科學(xué)

20世紀40年代到50年代,許多研究者探索神經(jīng)病學(xué),信息理論及控制論之間的聯(lián)系。其中還造出一些使用電子網(wǎng)絡(luò )構造的初步智能,如W. GREY WALTER的TURTLES和JOHNS HOPKINS BEAST。 這些研究者還經(jīng)常在普林斯頓大學(xué)和英國的RATIO CLUB舉行技術(shù)協(xié)會(huì )會(huì )議.直到1960, 大部分人已經(jīng)放棄這個(gè)方法,盡管在80年代再次提出這些原理。

符號處理

主條目:GOFAI

當20世紀50年代,數字計算機研制成功,研究者開(kāi)始探索人類(lèi)智能是否能簡(jiǎn)化成符號處理。研究主要集中在卡內基梅隆大學(xué), 斯坦福大學(xué)和麻省理工學(xué)院,而各自有獨立的研究風(fēng)格。JOHN HAUGELAND稱(chēng)這些方法為GOFAI(出色的老式人工智能)。[33] 60年代,符號方法在小型證明程序上模擬高級思考有很大的成就?;诳刂普摶蛏窠?jīng)網(wǎng)絡(luò )的方法則置于次要。[34] 60~70年代的研究者確信符號方法最終可以成功創(chuàng )造強人工智能的機器,同時(shí)這也是他們的目標。

認知模擬經(jīng)濟學(xué)家赫伯特·西蒙和艾倫·紐厄爾研究人類(lèi)問(wèn)題解決能力和嘗試將其形式化,同時(shí)他們?yōu)槿斯ぶ悄艿幕驹泶蛳禄A,如認知科學(xué), 運籌學(xué)和經(jīng)營(yíng)科學(xué)。他們的研究團隊使用心理學(xué)實(shí)驗的結果開(kāi)發(fā)模擬人類(lèi)解決問(wèn)題方法的程序。這方法一直在卡內基梅隆大學(xué)沿襲下來(lái),并在80年代于SOAR發(fā)展到高峰?;谶壿嫴幌癜瑐?middot;紐厄爾和赫伯特·西蒙,JOHN MCCARTHY認為機器不需要模擬人類(lèi)的思想,而應嘗試找到抽象推理和解決問(wèn)題的本質(zhì),不管人們是否使用同樣的算法。他在斯坦福大學(xué)的實(shí)驗室致力于使用形式化邏輯解決多種問(wèn)題,包括知識表示, 智能規劃和機器學(xué)習. 致力于邏輯方法的還有愛(ài)丁堡大學(xué),而促成歐洲的其他地方開(kāi)發(fā)編程語(yǔ)言PROLOG和邏輯編程科學(xué).“反邏輯”斯坦福大學(xué)的研究者 (如馬文·閔斯基和西摩爾·派普特)發(fā)現要解決計算機視覺(jué)和自然語(yǔ)言處理的困難問(wèn)題,需要專(zhuān)門(mén)的方案-他們主張不存在簡(jiǎn)單和通用原理(如邏輯)能夠達到所有的智能行為。ROGER SCHANK 描述他們的“反邏輯”方法為 "SCRUFFY" .常識知識庫 (如DOUG LENAT的CYC)就是"SCRUFFY"AI的例子,因為他們必須人工一次編寫(xiě)一個(gè)復雜的概念?;谥R大約在1970年出現大容量?jì)却嬗嬎銠C,研究者分別以三個(gè)方法開(kāi)始把知識構造成應用軟件。這場(chǎng)“知識革命”促成專(zhuān)家系統的開(kāi)發(fā)與計劃,這是第一個(gè)成功的人工智能軟件形式。“知識革命”同時(shí)讓人們意識到許多簡(jiǎn)單的人工智能軟件可能需要大量的知識。

子符號法

80年代符號人工智能停滯不前,很多人認為符號系統永遠不可能模仿人類(lèi)所有的認知過(guò)程,特別是感知,機器人,機器學(xué)習和模式識別。很多研究者開(kāi)始關(guān)注子符號方法解決特定的人工智能問(wèn)題。

自下而上, 接口A(yíng)GENT,嵌入環(huán)境(機器人),行為主義,新式AI機器人領(lǐng)域相關(guān)的研究者,如RODNEY BROOKS,否定符號人工智能而專(zhuān)注于機器人移動(dòng)和求生等基本的工程問(wèn)題。他們的工作再次關(guān)注早期控制論研究者的觀(guān)點(diǎn),同時(shí)提出了在人工智能中使用控制理論。這與認知科學(xué)領(lǐng)域中的表征感知論點(diǎn)是一致的:更高的智能需要個(gè)體的表征(如移動(dòng),感知和形象)。計算智能80年代中DAVID RUMELHART 等再次提出神經(jīng)網(wǎng)絡(luò )和聯(lián)結主義. 這和其他的子符號方法,如模糊控制和進(jìn)化計算,都屬于計算智能學(xué)科研究范疇。

統計學(xué)法

90年代,人工智能研究發(fā)展出復雜的數學(xué)工具來(lái)解決特定的分支問(wèn)題。這些工具是真正的科學(xué)方法,即這些方法的結果是可測量的和可驗證的,同時(shí)也是人工智能成功的原因。共用的數學(xué)語(yǔ)言也允許已有學(xué)科的合作(如數學(xué),經(jīng)濟或運籌學(xué))。STUART J. RUSSELL和PETER NORVIG指出這些進(jìn)步不亞于“革命”和“NEATS的成功”。有人批評這些技術(shù)太專(zhuān)注于特定的問(wèn)題,而沒(méi)有考慮長(cháng)遠的強人工智能目標。

集成方法

智能AGENT范式智能AGENT是一個(gè)會(huì )感知環(huán)境并作出行動(dòng)以達致目標的系統。最簡(jiǎn)單的智能AGENT是那些可以解決特定問(wèn)題的程序。更復雜的AGENT包括人類(lèi)和人類(lèi)組織(如公司)。這些范式可以讓研究者研究單獨的問(wèn)題和找出有用且可驗證的方案,而不需考慮單一的方法。一個(gè)解決特定問(wèn)題的AGENT可以使用任何可行的方法-一些AGENT用符號方法和邏輯方法,一些則是子符號神經(jīng)網(wǎng)絡(luò )或其他新的方法。范式同時(shí)也給研究者提供一個(gè)與其他領(lǐng)域溝通的共同語(yǔ)言--如決策論和經(jīng)濟學(xué)(也使用ABSTRACT AGENTS的概念)。90年代智能AGENT范式被廣泛接受。AGENT體系結構和認知體系結構研究者設計出一些系統來(lái)處理多ANGENT系統中智能AGENT之間的相互作用。一個(gè)系統中包含符號和子符號部分的系統稱(chēng)為混合智能系統 ,而對這種系統的研究則是人工智能系統集成。分級控制系統則給反應級別的子符號AI 和最高級別的傳統符號AI提供橋梁,同時(shí)放寬了規劃和世界建模的時(shí)間。RODNEY BROOKS的SUBSUMPTION ARCHITECTURE就是一個(gè)早期的分級系統計劃。

智能模擬

機器視、聽(tīng)、觸、感覺(jué)及思維方式的模擬:指紋識別,人臉識別,視網(wǎng)膜識別,虹膜識別,掌紋識別,專(zhuān)家系統,智能搜索,定理證明,邏輯推理,博弈,信息感應與辨證處理。

學(xué)科范疇

人工智能是一門(mén)邊沿學(xué)科,屬于自然科學(xué)、社會(huì )科學(xué)、技術(shù)科學(xué)三向交叉學(xué)科。

涉及學(xué)科

哲學(xué)和認知科學(xué),數學(xué),神經(jīng)生理學(xué),心理學(xué),計算機科學(xué),信息論,控制論,不定性論,仿生學(xué),社會(huì )結構學(xué)與科學(xué)發(fā)展觀(guān)。

研究范疇

語(yǔ)言的學(xué)習與處理,知識表現,智能搜索,推理,規劃,機器學(xué)習,知識獲取,組合調度問(wèn)題,感知問(wèn)題,模式識別,邏輯程序設計,軟計算,不精確和不確定的管理,人工生命,神經(jīng)網(wǎng)絡(luò ),復雜系統,遺傳算法人類(lèi)思維方式,最關(guān)鍵的難題還是機器的自主創(chuàng )造性思維能力的塑造與提升。

安全問(wèn)題

人工智能還在研究中,但有學(xué)者認為讓計算機擁有智商是很危險的,它可能會(huì )反抗人類(lèi)。這種隱患也在多部電影中發(fā)生過(guò),其主要的關(guān)鍵是允不允許機器擁有自主意識的產(chǎn)生與延續,如果使機器擁有自主意識,則意味著(zhù)機器具有與人同等或類(lèi)似的創(chuàng )造性,自我保護意識,情感和自發(fā)行為。

實(shí)現方法

人工智能在計算機上實(shí)現時(shí)有2種不同的方式。一種是采用傳統的編程技術(shù),使系統呈現智能的效果,而不考慮所用方法是否與人或動(dòng)物機體所用的方法相同。這種方法叫工程學(xué)方法(ENGINEERING APPROACH),它已在一些領(lǐng)域內作出了成果,如文字識別、電腦下棋等。另一種是模擬法(MODELING APPROACH),它不僅要看效果,還要求實(shí)現方法也和人類(lèi)或生物機體所用的方法相同或相類(lèi)似。遺傳算法(GENERIC ALGORITHM,簡(jiǎn)稱(chēng)GA)和人工神經(jīng)網(wǎng)絡(luò )(ARTIFICIAL NEURAL NETWORK,簡(jiǎn)稱(chēng)ANN)均屬后一類(lèi)型。遺傳算法模擬人類(lèi)或生物的遺傳-進(jìn)化機制,人工神經(jīng)網(wǎng)絡(luò )則是模擬人類(lèi)或動(dòng)物大腦中神經(jīng)細胞的活動(dòng)方式。為了得到相同智能效果,兩種方式通常都可使用。采用前一種方法,需要人工詳細規定程序邏輯,如果游戲簡(jiǎn)單,還是方便的。如果游戲復雜,角色數量和活動(dòng)空間增加,相應的邏輯就會(huì )很復雜(按指數式增長(cháng)),人工編程就非常繁瑣,容易出錯。而一旦出錯,就必須修改原程序,重新編譯、調試,最后為用戶(hù)提供一個(gè)新的版本或提供一個(gè)新補丁,非常麻煩。采用后一種方法時(shí),編程者要為每一角色設計一個(gè)智能系統(一個(gè)模塊)來(lái)進(jìn)行控制,這個(gè)智能系統(模塊)開(kāi)始什么也不懂,就像初生嬰兒那樣,但它能夠學(xué)習,能漸漸地適應環(huán)境,應付各種復雜情況。這種系統開(kāi)始也常犯錯誤,但它能吸取教訓,下一次運行時(shí)就可能改正,至少不會(huì )永遠錯下去,用不到發(fā)布新版本或打補丁。利用這種方法來(lái)實(shí)現人工智能,要求編程者具有生物學(xué)的思考方法,入門(mén)難度大一點(diǎn)。但一旦入了門(mén),就可得到廣泛應用。由于這種方法編程時(shí)無(wú)須對角色的活動(dòng)規律做詳細規定,應用于復雜問(wèn)題,通常會(huì )比前一種方法更省力。

專(zhuān)業(yè)機構

美國

⒈ MASSACHUSETTS INSTITUTE OF TECHNOLOGY麻省理工學(xué)院

⒉ STANFORD UNIVERSITY斯坦福大學(xué)(CA)

⒊ CARNEGIE MELLON UNIVERSITY卡內基美隆大學(xué)(PA)

⒋ UNIVERSITY OF CALIFORNIA-BERKELEY加州大學(xué)伯克利分校

⒌ UNIVERSITY OF WASHINGTON華盛頓大學(xué)

⒍ UNIVERSITY OF TEXAS-AUSTIN德克薩斯大學(xué)奧斯汀分校

⒎ UNIVERSITY OF PENNSYLVANIA賓夕法尼亞大學(xué)

⒏ UNIVERSITY OF ILLINOIS-URBANA-CHAMPAIGN 伊利諾伊大學(xué)厄本那—香檳分校

⒐ UNIVERSITY OF MARYLAND-COLLEGE PARK馬里蘭大學(xué)帕克分校

⒑ CORNELL UNIVERSITY 康奈爾大學(xué) (NY)

⒒ UNIVERSITY OF MASSACHUSETTS-AMHERST馬薩諸塞大學(xué)AMHERST校區

⒓ GEORGIA INSTITUTE OF TECHNOLOGY佐治亞理工學(xué)院

UNIVERSITY OF MICHIGAN-ANN ARBOR 密西根大學(xué)-安娜堡分校

⒕ UNIVERSITY OF SOUTHERN CALIFORNIA南加州大學(xué)

⒖ COLUMBIA UNIVERSITY哥倫比亞大學(xué)(NY)

UNIVERSITY OF CALIFORNIA-LOS ANGELES加州大學(xué)洛杉磯分校

⒘ BROWN UNIVERSITY布朗大學(xué)(RI)

⒙ YALE UNIVERSITY耶魯大學(xué)(CT)

⒚ UNIVERSITY OF CALIFORNIA-SAN DIEGO加利福尼亞大學(xué)圣地亞哥分校

⒛ UNIVERSITY OF WISCONSIN-MADISON威斯康星大學(xué)麥迪遜分校

中國

1、中國科學(xué)院自動(dòng)化研究所

2、清華大學(xué)

3、北京大學(xué)

4、南京理工大學(xué)

5、北京科技大學(xué)

6、中國科學(xué)技術(shù)大學(xué)

7、吉林大學(xué)

8、哈爾濱工業(yè)大學(xué)

9、北京郵電大學(xué)

10、北京理工大學(xué)

11、廈門(mén)大學(xué)人工智能研究所

12、西安交通大學(xué)智能車(chē)研究所

13、中南大學(xué)智能系統與智能軟件研究所

14、西安電子科技大學(xué)智能所

15、華中科技大學(xué)圖像與人工智能研究所

16、重慶郵電大學(xué)

17、武漢工程大學(xué)

主要成果

人機對弈

1996年2月10~17日, GARRY KASPAROV以4:2戰勝“深藍” (DEEP BLUE)。

1997年5月3~11日, GARRY KASPAROV以2.5:3.5輸于改進(jìn)后的“深藍”。

2003年2月GARRY KASPAROV 3:3戰平 “小深”(DEEP JUNIOR)。

2003年11月GARRY KASPAROV 2:2戰平 “X3D德國人” (X3D-FRITZ)。

模式識別

采用 $模式識別引擎,分支有2D識別引擎 ,3D識別引擎,駐波識別引擎以及多維識別引擎

2D識別引擎已推出指紋識別,人像識別 ,文字識別,圖像識別 ,車(chē)牌識別;駐波識別引擎已推出語(yǔ)音識別;3D識別引擎已推出指紋識別玉帶林中掛(玩游智能版1.25)

自動(dòng)工程

自動(dòng)駕駛(OSO系統)

印鈔工廠(chǎng)(¥流水線(xiàn))

獵鷹系統(YOD繪圖)

知識工程

以知識本身為處理對象,研究如何運用人工智能和軟件技術(shù),設計、構造和維護知識系統

專(zhuān)家系統

智能搜索引擎

計算機視覺(jué)和圖像處理

機器翻譯和自然語(yǔ)言理解

數據挖掘和知識發(fā)現

相關(guān)著(zhù)作

《視讀人工智能》:機器真的可以思考嗎?人的思維只是一個(gè)復雜的計算機程序嗎?本書(shū)著(zhù)眼于人工智能這個(gè)有史以來(lái)最為棘手的科學(xué)問(wèn)題之一,集中探討了其背后的一些主要話(huà)題。人工智能不僅僅是一個(gè)虛構的概念。人類(lèi)對智能機體結構半個(gè)世紀的研究表明:機器可以打敗人類(lèi)最偉大的棋手,類(lèi)人機器人可以走路并且能和人類(lèi)進(jìn)行互動(dòng)。盡管早就有宣言稱(chēng)智能機器指日可待,但此方面的進(jìn)展卻緩慢而艱難。意識和環(huán)境是困擾研究的兩大難題。我們到底應該怎樣去制造智能機器呢?它應該像大腦一樣運轉?它是否需要軀體?從圖靈影響深遠的奠基性研究到機器人和新人工智能的飛躍,本書(shū)圖文并茂的將人工智能在過(guò)去半個(gè)世紀的發(fā)展清晰的呈現在讀者面前。

《人工智能的未來(lái)》:詮釋了智能的內涵,闡述了大腦工作的原理,并告訴我們如何才能制造出真正意義上的智能機器——這樣的智能機器將不再僅僅是對人類(lèi)大腦的簡(jiǎn)單模仿,它們的智能在許多方面會(huì )遠遠超過(guò)人腦?;艚鹚拐J為,從人工智能到神經(jīng)網(wǎng)絡(luò ),早先復制人類(lèi)智能的努力無(wú)一成功,究其原因,都是由于人們并未真正了解智能的內涵和人類(lèi)大腦。所謂智能,就是人腦比較過(guò)去、預測未來(lái)的能力。大腦不是計算機,不會(huì )亦步亦趨、按部就班的根據輸入產(chǎn)生輸出。大腦是一個(gè)龐大的記憶系統,它儲存著(zhù)在某種程度上反映世界真實(shí)結構的經(jīng)驗,能夠記憶事件的前后順序及其相互關(guān)系,并依據記憶做出預測。形成智能、感覺(jué)、創(chuàng )造力以及知覺(jué)等基礎的,就是大腦的記憶-預測系統……

《人工智能哲學(xué)》:人工智能哲學(xué)是伴隨現代信息理論和計算機技術(shù)發(fā)展起來(lái)的一個(gè)哲學(xué)分支。本書(shū)收集了人工智能研究領(lǐng)域學(xué)者的十五篇代表性論文,這些論文為計算機科學(xué)的發(fā)展和人工智能哲學(xué)的建立作出了開(kāi)創(chuàng )性的貢獻。這些文章總結了人工智能發(fā)展的歷程,該學(xué)科發(fā)展的趨勢,以及人工智能中的重要課題。在這些劃時(shí)代的著(zhù)作中,包括有:現代計算機理論之父艾倫·圖靈的“計算機與智能”;美國哲學(xué)家塞爾的“心靈,大腦與程序”;J·E·欣頓等人的“分布式表述”,以及本書(shū)編者、英國人工智能學(xué)者M(jìn)·A·博登的“逃出中文屋”。

《人工智能:一種現代的方法》:本書(shū)以詳盡和豐富的資料,從理性智能體的角度,全面闡述了人工智能領(lǐng)域的核心內容,并深入介紹了各個(gè)主要的研究方向,是一本難得的綜合性教材。全書(shū)分為八大部分:第一部分"人工智能",第二部分"問(wèn)題求解",第三部分"知識與推理",第四部分"規劃",第五部分"不確定知識與推理",第六部分"學(xué)習",第七部分"通訊、感知與行動(dòng)",第八部分"結論"。本書(shū)既詳細介紹了大量的基本概念、思想和算法,也描述了各研究方向最前沿的進(jìn)展,同時(shí)收集整理了詳實(shí)的歷史文獻與事件。因此本書(shū)適合于不同層次和領(lǐng)域的研究人員及學(xué)生,可以作為信息領(lǐng)域和相關(guān)領(lǐng)域的高等院校本科生和研究生的教材或教學(xué)輔導書(shū)目,也可以作為相關(guān)領(lǐng)域的科研與工程技術(shù)人員的參考書(shū)。

發(fā)展簡(jiǎn)史

人工智能的傳說(shuō)可以追溯到古埃及,但隨著(zhù)1941年以來(lái)電子計算機的發(fā)展,技術(shù)已最終可以創(chuàng )造出機器智能,“人工智能”(ARTIFICIAL INTELLIGENCE)一詞最初是在1956年DARTMOUTH學(xué)會(huì )上提出的,從那以后,研究者們發(fā)展了眾多理論和原理,人工智能的概念也隨之擴展,在它還不長(cháng)的歷史中,人工智能的發(fā)展比預想的要慢,但一直在前進(jìn),從40年前出現至今,已經(jīng)出現了許多AI程序,并且它們也影響到了其它 技術(shù)的發(fā)展。

計算機時(shí)代

1941年的一項發(fā)明使信息存儲和處理的各個(gè)方面都發(fā)生了革命.這項同時(shí)在美國和德國出現的 發(fā)明就是電子計算機.第一臺計算機要占用幾間裝空調的大房間,對程序員來(lái)說(shuō)是場(chǎng)噩夢(mèng):僅僅為運行一 個(gè)程序就要設置成千的線(xiàn)路.1949年改進(jìn)后的能存儲程序的計算機使得輸入程序變得簡(jiǎn)單些,而且計算機 理論的發(fā)展產(chǎn)生了計算機科學(xué),并最終促使了人工智能的出現.計算機這個(gè)用電子方式處理數據的發(fā)明,為人工智能的可能實(shí)現提供了一種媒介.

雖然計算機為AI提供了必要的技術(shù)基礎,但直到50年代早期人們才注意到人類(lèi)智能與機器之間 的聯(lián)系. NORBERT WIENER是最早研究反饋理論的美國人之一.最熟悉的反饋控制的例子是自動(dòng)調溫器.它 將收集到的房間溫度與希望的溫度比較,并做出反應將加熱器開(kāi)大或關(guān)小,從而控制環(huán)境溫度.這項對反饋 回路的研究重要性在于:WIENER從理論上指出,所有的智能活動(dòng)都是反饋機制的結果.而反饋機制是有可 能用機器模擬的.這項發(fā)現對早期A(yíng)I的發(fā)展影響很大.

1955年末,NEWELL和SIMON做了一個(gè)名為"邏輯專(zhuān)家"(LOGIC THEORIST)的程序.這個(gè)程序被許多人 認為是第一個(gè)AI程序.它將每個(gè)問(wèn)題都表示成一個(gè)樹(shù)形模型,然后選擇最可能得到正確結論的那一枝來(lái)求解 問(wèn)題."邏輯專(zhuān)家"對公眾和AI研究領(lǐng)域產(chǎn)生的影響使它成為AI發(fā)展中一個(gè)重要的里程碑.1956年,被認為是 人工智能之父的JOHN MCCARTHY組織了一次學(xué)會(huì ),將許多對機器智能感興趣的專(zhuān)家學(xué)者聚集在一起進(jìn)行了一 個(gè)月的討論.他請他們到 VERMONT參加 " DARTMOUTH人工智能夏季研究會(huì )".從那時(shí)起,這個(gè)領(lǐng)域被命名為 "人工智能".雖然 DARTMOUTH學(xué)會(huì )不是非常成功,但它確實(shí)集中了AI的創(chuàng )立者們,并為以后的AI研究奠定了基礎.

DARTMOUTH會(huì )議后的7年中,AI研究開(kāi)始快速發(fā)展.雖然這個(gè)領(lǐng)域還沒(méi)明確定義,會(huì )議中的一些思想 已被重新考慮和使用了. CARNEGIE MELLON大學(xué)和MIT開(kāi)始組建AI研究中心.研究面臨新的挑戰:下一步需 要建立能夠更有效解決問(wèn)題的系統,例如在"邏輯專(zhuān)家"中減少搜索;還有就是建立可以自我學(xué)習的系統.

1957年一個(gè)新程序,"通用解題機"(GPS)的第一個(gè)版本進(jìn)行了測試.這個(gè)程序是由制作"邏輯專(zhuān)家" 的同一個(gè)組開(kāi)發(fā)的.GPS擴展了WIENER的反饋原理,可以解決很多常識問(wèn)題.兩年以后,IBM成立了一個(gè)AI研 究組.HERBERT GELERNETER花3年時(shí)間制作了一個(gè)解幾何定理的程序.

當越來(lái)越多的程序涌現時(shí),MCCARTHY正忙于一個(gè)AI史上的突破.1958年MCCARTHY宣布了他的新成 果:LISP語(yǔ)言. LISP到今天還在用."LISP"的意思是"表處理"(LIST PROCESSING),它很快就為大多數AI開(kāi)發(fā)者采納.

1963年MIT從美國政府得到一筆220萬(wàn)美元的資助,用于研究機器輔助識別.這筆資助來(lái)自國防部 高級研究計劃署(ARPA),已保證美國在技術(shù)進(jìn)步上領(lǐng)先于蘇聯(lián).這個(gè)計劃吸引了來(lái)自全世界的計算機科學(xué)家,加快了AI研究的發(fā)展步伐.

競賽

LOEBNER(人工智能類(lèi))

以人類(lèi)的智慧創(chuàng )造出堪與人類(lèi)大腦相平行的機器腦(人工智能),對人類(lèi)來(lái)說(shuō)是一個(gè)極具誘惑的領(lǐng)域,人類(lèi)為了實(shí)現這一夢(mèng)想也已經(jīng)奮斗了很多個(gè)年頭了。而從一個(gè)語(yǔ)言研究者的角度來(lái)看,要讓機器與人之間自由交流那是相當困難的,甚至可以說(shuō)可能會(huì )是一個(gè)永無(wú)答案的問(wèn)題。人類(lèi)的語(yǔ)言,人類(lèi)的智能是如此的復雜,以至于我們的研究還并未觸及其導向本質(zhì)的外延部分的邊沿。

大量程序

以后幾年出現了大量程序.其中一個(gè)叫"SHRDLU"."SHRDLU"是"微型世界"項目的一部分,包括 在微型世界(例如只有有限數量的幾何形體)中的研究與編程.在MIT由MARVIN MINSKY領(lǐng)導的研究人員發(fā)現,面對小規模的對象,計算機程序可以解決空間和邏輯問(wèn)題.其它如在60年代末出現的"STUDENT"可以解決代數 問(wèn)題,"SIR"可以理解簡(jiǎn)單的英語(yǔ)句子.這些程序的結果對處理語(yǔ)言理解和邏輯有所幫助.

70年代另一個(gè)進(jìn)展是專(zhuān)家系統.專(zhuān)家系統可以預測在一定條件下某種解的概率.由于當時(shí)計算機已 有巨大容量,專(zhuān)家系統有可能從數據中得出規律.專(zhuān)家系統的市場(chǎng)應用很廣.十年間,專(zhuān)家系統被用于股市預 測,幫助醫生診斷疾病,以及指示礦工確定礦藏位置等.這一切都因為專(zhuān)家系統存儲規律和信息的能力而成為可能.

70年代許多新方法被用于A(yíng)I開(kāi)發(fā),如MINSKY的構造理論.另外DAVID MARR提出了機器視覺(jué)方 面的新理論,例如,如何通過(guò)一副圖像的陰影,形狀,顏色,邊界和紋理等基本信息辨別圖像.通過(guò)分析這些信 息,可以推斷出圖像可能是什么.同時(shí)期另一項成果是PROLOGE語(yǔ)言,于1972年提出. 80年代期間,AI前進(jìn)更為迅速,并更多地進(jìn)入商業(yè)領(lǐng)域.1986年,美國AI相關(guān)軟硬件銷(xiāo)售高達4.25億 美元.專(zhuān)家系統因其效用尤受需求.象數字電氣公司這樣的公司用XCON專(zhuān)家系統為VAX大型機編程.杜邦,通用 汽車(chē)公司和波音公司也大量依賴(lài)專(zhuān)家系統.為滿(mǎn)足計算機專(zhuān)家的需要,一些生產(chǎn)專(zhuān)家系統輔助制作軟件的公 司,如TEKNOWLEDGE和INTELLICORP成立了。為了查找和改正現有專(zhuān)家系統中的錯誤,又有另外一些專(zhuān)家系統被設計出來(lái).

日常生活

人們開(kāi)始感受到計算機和人工智能技術(shù)的影響.計算機技術(shù)不再只屬于實(shí)驗室中的一小群研究人員. 個(gè)人電腦和眾多技術(shù)雜志使計算機技術(shù)展現在人們面前.有了像美國人工智能協(xié)會(huì )這樣的基金會(huì ).因為AI開(kāi)發(fā) 的需要,還出現了一陣研究人員進(jìn)入私人公司的熱潮。150多所像DEC(它雇了700多員工從事AI研究)這樣的公司共花了10億美元在內部的AI開(kāi)發(fā)組上.

其它AI領(lǐng)域也在80年代進(jìn)入市場(chǎng).其中一項就是機器視覺(jué). MINSKY和MARR的成果如今用到了生產(chǎn)線(xiàn)上的相機和計算機中,進(jìn)行質(zhì)量控制.盡管還很簡(jiǎn)陋,這些系統已能夠通過(guò)黑白區別分辨出物件形狀的不同.到1985年美國有一百多個(gè)公司生產(chǎn)機器視覺(jué)系統,銷(xiāo)售額共達8千萬(wàn)美元.

但80年代對AI工業(yè)來(lái)說(shuō)也不全是好年景.86-87年對AI系統的需求下降,業(yè)界損失了近5億美元.象 TEKNOWLEDGE和INTELLICORP兩家共損失超過(guò)6百萬(wàn)美元,大約占利潤的三分之一巨大的損失迫使許多研究領(lǐng) 導者削減經(jīng)費.另一個(gè)令人失望的是國防部高級研究計劃署支持的所謂"智能卡車(chē)".這個(gè)項目目的是研制一種能完成許多戰地任務(wù)的機器人。由于項目缺陷和成功無(wú)望,PENTAGON停止了項目的經(jīng)費.

盡管經(jīng)歷了這些受挫的事件,AI仍在慢慢恢復發(fā)展.新的技術(shù)在日本被開(kāi)發(fā)出來(lái),如在美國首創(chuàng )的模糊邏輯,它可以從不確定的

人工智能機器人

人工智能機器人(2張)

 條件作出決策;還有神經(jīng)網(wǎng)絡(luò ),被視為實(shí)現人工智能的可能途徑.總之,80年代AI被引入了市場(chǎng),并顯示出實(shí)用價(jià)值.可以確信,它將是通向21世紀之匙. 人工智能技術(shù)接受檢驗 在"沙漠風(fēng)暴"行動(dòng)中軍方的智能設備經(jīng)受了戰爭的檢驗.人工智能技術(shù)被用于導彈系統和預警顯示以 及其它先進(jìn)武器.AI技術(shù)也進(jìn)入了家庭.智能電腦的增加吸引了公眾興趣;一些面向蘋(píng)果機和IBM兼容機的應用 軟件例如語(yǔ)音和文字識別已可買(mǎi)到;使用模糊邏輯,AI技術(shù)簡(jiǎn)化了攝像設備.對人工智能相關(guān)技術(shù)更大的需求促 使新的進(jìn)步不斷出現.人工智能已經(jīng)并且將繼續不可避免地改變我們的生活。

強弱對比

人工智能的一個(gè)比較流行的定義,也是該領(lǐng)域較早的定義,是由約翰·麥卡錫(JOHN MCCARTHY)在1956年的達特矛斯會(huì )議(DARTMOUTH CONFERENCE)上提出的:人工智能就是要讓機器的行為看起來(lái)就象是人所表現出的智能行為一樣。但是這個(gè)定義似乎忽略了強人工智能的可能性(見(jiàn)下)。另一個(gè)定義指人工智能是人造機器所表現出來(lái)的智能性??傮w來(lái)講,對人工智能的定義大多可劃分為四類(lèi),即機器“像人一樣思考”、“像人一樣行動(dòng)”、“理性地思考”和“理性地行動(dòng)”。這里“行動(dòng)”應廣義地理解為采取行動(dòng),或制定行動(dòng)的決策,而不是肢體動(dòng)作。

強人工智能(BOTTOM-UP AI)

強人工智能觀(guān)點(diǎn)認為有可能制造出真正能推理(REASONING)和解決問(wèn)題(PROBLEM_SOLVING)的智能機器,并且,這樣的機器能將被認為是有知覺(jué)的,有自我意識的。強人工智能可以有兩類(lèi):

類(lèi)人的人工智能,即機器的思考和推理就像人的思維一樣。

非類(lèi)人的人工智能,即機器產(chǎn)生了和人完全不一樣的知覺(jué)和意識,使用和人完全不一樣的推理方式。

弱人工智能(TOP-DOWN AI)

弱人工智能觀(guān)點(diǎn)認為不可能制造出能真正地推理(REASONING)和解決問(wèn)題(PROBLEM_SOLVING)的智能機器,這些機器只不過(guò)看起來(lái)像是智能的,但是并不真正擁有智能,也不會(huì )有自主意識。

主流科研集中在弱人工智能上,并且一般認為這一研究領(lǐng)域已經(jīng)取得可觀(guān)的成就。強人工智能的研究則處于停滯不前的狀態(tài)下。

對強人工智能的哲學(xué)爭論

“強人工智能”一詞最初是約翰·羅杰斯·希爾勒針對計算機和其它信息處理機器創(chuàng )造的,其定義為:

“強人工智能觀(guān)點(diǎn)認為計算機不僅是用來(lái)研究人的思維的一種工具;相反,只要運行適當的程序,計算機本身就是有思維的。”(J SEARLE IN MINDS BRAINS AND PROGRAMS. THE BEHAVIORAL AND BRAIN SCIENCES,VOL. 3,1980)這是指使計算機從事智能的活動(dòng)。在這里智能的涵義是多義的、不確定的,像下面所提到的就是其中的例子。利用計算機解決問(wèn)題時(shí),必須知道明確的程序??墒?,人即使在不清楚程序時(shí),根據發(fā)現(HEU- RISTIC)法而設法巧妙的解決了問(wèn)題的情況是不少的。如識別書(shū)寫(xiě)的文字、圖形、聲音等,所謂認識模型就是一例。再有,能力因學(xué)習而得到的提高和歸納推理、依據類(lèi)推而進(jìn)行的推理等,也是其例。此外,解決的程序雖然是清楚的,但是實(shí)行起來(lái)需要很長(cháng)時(shí)間,對于這樣的問(wèn)題,人能在很短的時(shí)間內找出相當好的解決方法,如競技的比賽等就是其例。還有,計算機在沒(méi)有給予充分的合乎邏輯的正確信息時(shí),就不能理解它的意義,而人在僅是被給予不充分、不正確的信息的情況下,根據適當的補充信息,也能抓住它的意義。自然語(yǔ)言就是例子。用計算機處理自然語(yǔ)言,稱(chēng)為自然語(yǔ)言處理。

關(guān)于強人工智能的爭論不同于更廣義的一元論和二元論(DUALISM)的爭論。其爭論要點(diǎn)是:如果一臺機器的唯一工作原理就是對編碼數據進(jìn)行轉換,那么這臺機器是不是有思維的?希爾勒認為這是不可能的。他舉了個(gè)中文房間的例子來(lái)說(shuō)明,如果機器僅僅是對數據進(jìn)行轉換,而數據本身是對某些事情的一種編碼表現,那么在不理解這一編碼和這實(shí)際事情之間的對應關(guān)系的前提下,機器不可能對其處理的數據有任何理解?;谶@一論點(diǎn),希爾勒認為即使有機器通過(guò)了圖靈測試,也不一定說(shuō)明機器就真的像人一樣有思維和意識。

也有哲學(xué)家持不同的觀(guān)點(diǎn)。DANIEL C. DENNETT 在其著(zhù)作 CONSCIOUSNESS EXPLAINED 里認為,人也不過(guò)是一臺有靈魂的機器而已,為什么我們認為人可以有智能而普通機器就不能呢?他認為像上述的數據轉換機器是有可能有思維和意識的。

有的哲學(xué)家認為如果弱人工智能是可實(shí)現的,那么強人工智能也是可實(shí)現的。比如SIMON BLACKBURN在其哲學(xué)入門(mén)教材 THINK 里說(shuō)道,一個(gè)人的看起來(lái)是“智能”的行動(dòng)并不能真正說(shuō)明這個(gè)人就真的是智能的。我永遠不可能知道另一個(gè)人是否真的像我一樣是智能的,還是說(shuō)她/他僅僅是看起來(lái)是智能的?;谶@個(gè)論點(diǎn),既然弱人工智能認為可以令機器看起來(lái)像是智能的,那就不能完全否定這機器是真的有智能的。BLACKBURN 認為這是一個(gè)主觀(guān)認定的問(wèn)題。

需要要指出的是,弱人工智能并非和強人工智能完全對立,也就是說(shuō),即使強人工智能是可能的,弱人工智能仍然是有意義的。至少,今日的計算機能做的事,像算術(shù)運算等,在百多年前是被認為很需要智能的。

研究課題

人工智能的研究方向已經(jīng)被分成幾個(gè)子領(lǐng)域,研究人員希望一個(gè)人工智能系統應該具有某些特定能力,以下將這些能力列出并說(shuō)明。

解決問(wèn)題

早期的人工智能研究人員直接模仿人類(lèi)進(jìn)行逐步的推理,就像是玩棋盤(pán)游戲或進(jìn)行邏輯推理時(shí)人類(lèi)的思考模式。到了1980和1990年代,利用概率和經(jīng)濟學(xué)上的概念,人工智能研究還發(fā)展了非常成功的方法處理不確定或不完整的資訊。

對于困難的問(wèn)題,有可能需要大量的運算資源,也就是發(fā)生了“可能組合爆增”:當問(wèn)題超過(guò)一定的規模時(shí),電腦會(huì )需要天文數量級的存儲器或是運算時(shí)間。尋找更有效的算法是優(yōu)先的人工智能研究項目。

人類(lèi)解決問(wèn)題的模式通常是用最快捷,直觀(guān)的判斷,而不是有意識的,一步一步的推導,早期人工智能研究通常使用逐步推導的方式。人工智能研究已經(jīng)于這種“次表征性的”解決問(wèn)題方法取得進(jìn)展:實(shí)體化AGENT研究強調感知運動(dòng)的重要性。神經(jīng)網(wǎng)絡(luò )研究試圖以模擬人類(lèi)和動(dòng)物的大腦結構重現這種技能。

知識表示法

AN ONTOLOGY REPRESENTS KNOWLEDGE AS A SET OF CONCEPTS WITHIN A DOMAIN AND THE RELATIONSHIPS BETWEEN THOSE CONCEPTS.

主條目:知識表示和常識知識庫

規劃

智能AGENT必須能夠制定目標和實(shí)現這些目標。他們需要一種方法來(lái)建立一個(gè)可預測的世界模型(將整個(gè)世界狀態(tài)用數學(xué)模型表現出來(lái),并能預測它們的行為將如何改變這個(gè)世界),這樣就可以選擇功效最大的行為。 在傳統的規劃問(wèn)題中,智能AGENT被假定它是世界中唯一具有影響力的,所以它要做出什么行為是已經(jīng)確定的。 但是,如果事實(shí)并非如此,它必須定期檢查世界模型的狀態(tài)是否和自己的預測相符合。如果不符合,它必須改變它的計劃。因此智能代理必須具有在不確定結果的狀態(tài)下推理的能力。 在多AGENT中,多個(gè)AGENT規劃以合作和競爭的方式去完成一定的目標,使用演化算法和群體智慧可以達成一個(gè)整體的突現行為目標。

學(xué)習

主條目:機器學(xué)習

機械學(xué)習的主要目的是為了從使用者和輸入數據等處獲得知識,從而可以幫助解決更多問(wèn)題,減少錯誤,提高解決問(wèn)題的效率。對于人工智能來(lái)說(shuō),機械學(xué)習從一開(kāi)始就很重要。1956年,在最初的達特茅斯夏季會(huì )議上,雷蒙德索洛莫諾夫寫(xiě)了一篇關(guān)于不監視的概率性機械學(xué)習:一個(gè)歸納推理的機械。

自然語(yǔ)言處理

主條目:自然語(yǔ)言處理

運動(dòng)和控制

主條目:機器人學(xué)

知覺(jué)

主條目:機器感知、計算機視覺(jué)和語(yǔ)音識別

機器感知 是指能夠使用傳感器所輸入的資料(如照相機,麥克風(fēng),聲納以及其他的特殊傳感器)然后推斷世界的狀態(tài)。計算機視覺(jué)能夠分析影像輸入。另外還有語(yǔ)音識別 、人臉辨識和物體辨識。

社交

主條目:情感計算

KISMET, 一個(gè)具有表情等社交能力的機器人

情感和社交技能對于一個(gè)智能AGENT是很重要的。 首先,通過(guò)了解他們的動(dòng)機和情感狀態(tài),代理人能夠預測別人的行動(dòng)(這涉及要素 博弈論、決策理論以及能夠塑造人的情感和情緒感知能力檢測)。此外,為了良好的人機互動(dòng),智慧代理人也需要表現出情緒來(lái)。至少它必須出現禮貌地和人類(lèi)打交道。至少,它本身應該有正常的情緒。

創(chuàng )造力

主條目:計算機創(chuàng )造力

一個(gè)人工智能的子領(lǐng)域,代表了理論(從哲學(xué)和心理學(xué)的角度)和實(shí)際(通過(guò)特定的實(shí)現產(chǎn)生的系統的輸出是可以考慮的創(chuàng )意,或系統識別和評估創(chuàng )造力)所定義的創(chuàng )造力。 相關(guān)領(lǐng)域研究的包括了人工直覺(jué)和人工想像。

多元智能

大多數研究人員希望他們的研究最終將被納入一個(gè)具有多元智能(稱(chēng)為強人工智能),結合以上所有的技能并且超越大部分人類(lèi)的能力。 有些人認為要達成以上目標,可能需要擬人化的特性,如人工意識或人工大腦。 上述許多問(wèn)題被認為是人工智能完整性:為了解決其中一個(gè)問(wèn)題,你必須解決全部的問(wèn)題。即使一個(gè)簡(jiǎn)單和特定的任務(wù),如機器翻譯,要求機器按照作者的論點(diǎn)(推理),知道什么是被人談?wù)?知識),忠實(shí)地再現作者的意圖(情感計算)。因此,機器翻譯被認為是具有人工智能完整性:它可能需要強人工智能,就像是人類(lèi)一樣。

人工智能影響

(1)人工智能對自然科學(xué)的影響。在需要使用數學(xué)計算機工具解決問(wèn)題的學(xué)科,AI帶來(lái)的幫助不言而喻。更重要的是,AI反過(guò)來(lái)有助于人類(lèi)最終認識自身智能的形成。

(2)人工智能對經(jīng)濟的影響。專(zhuān)家系統更深入各行各業(yè),帶來(lái)巨大的宏觀(guān)效益。AI也促進(jìn)了計算機工業(yè)網(wǎng)絡(luò )工業(yè)的發(fā)展。但同時(shí),也帶來(lái)了勞務(wù)就業(yè)問(wèn)題。由于A(yíng)I在科技和工程中的應用,能夠代替人類(lèi)進(jìn)行各種技術(shù)工作和腦力勞動(dòng),會(huì )造成社會(huì )結構的劇烈變化。

(3)人工智能對社會(huì )的影響。AI也為人類(lèi)文化生活提供了新的模式?,F有的游戲將逐步發(fā)展為更高智能的交互式文化娛樂(lè )手段,今天,游戲中的人工智能應用已經(jīng)深入到各大游戲制造商的開(kāi)發(fā)中。

伴隨著(zhù)人工智能和智能機器人的發(fā)展,不得不討論是人工智能本身就是超前研究,需要用未來(lái)的眼光開(kāi)展現代的科研,因此很可能觸及倫理底線(xiàn)。作為科學(xué)研究可能涉及到的敏感問(wèn)題,需要針對可能產(chǎn)生的沖突及早預防,而不是等到問(wèn)題矛盾到了不可解決的時(shí)候才去想辦法化解。

應用領(lǐng)域

機器翻譯,智能控制,專(zhuān)家系統,機器人學(xué),語(yǔ)言和圖像理解,遺傳編程機器人工廠(chǎng),自動(dòng)程序設計,航天應用,龐大的信息處理,儲存與管理,執行化合生命體無(wú)法執行的或復雜或規模龐大的任務(wù)等等。

值得一提的是,機器翻譯是人工智能的重要分支和最先應用領(lǐng)域。不過(guò)就已有的機譯成就來(lái)看,機譯系統的譯文質(zhì)量離終極目標仍相差甚遠;而機譯質(zhì)量是機譯系統成敗的關(guān)鍵。中國數學(xué)家、語(yǔ)言學(xué)家周海中教授曾在論文《機器翻譯五十年》中指出:要提高機譯的質(zhì)量,首先要解決的是語(yǔ)言本身問(wèn)題而不是程序設計問(wèn)題;單靠若干程序來(lái)做機譯系統,肯定是無(wú)法提高機譯質(zhì)量的;另外在人類(lèi)尚未明了大腦是如何進(jìn)行語(yǔ)言的模糊識別和邏輯判斷的情況下,機譯要想達到“信、達、雅”的程度是不可能的。智能家居之后,人工智能成為家電業(yè)的新風(fēng)口,而長(cháng)虹正成為將這一浪潮掀起的首個(gè)家電巨頭。長(cháng)虹發(fā)布兩款CHiQ智能電視新品,主打手機遙控器、帶走看、隨時(shí)看、分類(lèi)看功能

流行語(yǔ)

2017年12月,人工智能入選“2017年度中國媒體十大流行語(yǔ)”。

入選理由:經(jīng)過(guò)多年的演進(jìn),人工智能發(fā)展進(jìn)入了新階段。為搶抓人工智能發(fā)展的重大戰略機遇,構筑我國人工智能發(fā)展的先發(fā)優(yōu)勢,加快建設創(chuàng )新型國家和世界科技強國,2017年7月20日,國務(wù)院印發(fā)了《新一代人工智能發(fā)展規劃》?!兑巹潯诽岢隽嗣嫦?030年我國新一代人工智能發(fā)展的指導思想、戰略目標、重點(diǎn)任務(wù)和保障措施,為我國人工智能的進(jìn)一步加速發(fā)展奠定了重要基礎。


經(jīng)營(yíng)許可證編號 京ICP備17002221號 |?京公網(wǎng)安備 110105019046號
返回頂部