人工智能的現(xiàn)狀與今后發(fā)展趨勢(shì)展望

1、人工智能的現(xiàn)狀及今后開展趨勢(shì)展望一.引言人工智能(Artificial Intelligence),英文縮寫為AI ,也稱機(jī)器智能.“人工智能一詞最初是在1956年的Dartmouth學(xué)會(huì)上提出的.它是計(jì)算機(jī)科學(xué)、限制論、信 息論、神經(jīng)生理學(xué)、心理學(xué)、語言學(xué)等多種學(xué)科互相滲透而開展起來的一門綜合性 學(xué)科.從計(jì)算機(jī)應(yīng)用系統(tǒng)的角度出發(fā),人工智能是研究如何制造智能機(jī)器或智能 系統(tǒng)來模擬人類智能活動(dòng)的水平,以延伸人們智能的科學(xué).二.目前人工智能技術(shù)的研究和開展?fàn)顩r目前,人工智能技術(shù)在美國(guó)、歐洲和日本依然飛速開展.在 AI技術(shù)領(lǐng)域十分活 躍的舊M公司,已經(jīng)為加州勞倫斯 利佛摩爾國(guó)家實(shí)驗(yàn)室制造了 ASCI

2、 White電腦, 號(hào)稱具有人腦的千分之一的智力水平.而正在開發(fā)的更為強(qiáng)大的新超級(jí)電腦“藍(lán)色牛仔 (Blue Jean ),據(jù)其研究主任保羅霍恩稱,“藍(lán)色牛仔的智力水平將大致與人腦相當(dāng).三.技術(shù)應(yīng)用隨著AI技術(shù)的開展,現(xiàn)代幾乎各種技術(shù)的開展都涉及到了人工智能技術(shù), 可以說人工智能已經(jīng)廣泛應(yīng)用到許多領(lǐng)域,其典型的應(yīng)用包括：1符號(hào)計(jì)算計(jì)算機(jī)最主要的用途之一就是科學(xué)計(jì)算,科學(xué)計(jì)算可分為兩類：一類是純數(shù)值 的計(jì)算,例如求函數(shù)的值；另一類是符號(hào)計(jì)算,又稱代數(shù)運(yùn)算,這是一種智能化的計(jì) 算,處理的是符號(hào).符號(hào)可以代表整數(shù)、有理數(shù)、實(shí)數(shù)和復(fù)數(shù),也可以代表多項(xiàng)式、函數(shù)、集合等.隨著計(jì)算機(jī)的普及和人工智能的開展,

3、相繼出現(xiàn)了多種功能齊全的計(jì)算機(jī)代數(shù)系統(tǒng)軟件,其中Mathematic和Maple是它們的代表.由于它們都是用 C語言寫成的,所以可以在絕大多數(shù)計(jì)算機(jī)上使用.2模式識(shí)別模式識(shí)別就是通過計(jì)算機(jī)用數(shù)學(xué)技術(shù)方法來研究模式的自動(dòng)處理和判讀.這 里,我們把環(huán)境與客體統(tǒng)稱為“模式.用計(jì)算機(jī)實(shí)現(xiàn)模式(文字、聲音、人物、物體等)的自動(dòng)識(shí)別, 是開發(fā)智能機(jī)器的一個(gè)關(guān)鍵的突破口,也為人類熟悉自身智能提供線索.計(jì)算機(jī)識(shí)別的顯著特點(diǎn)是速度快、 準(zhǔn)確性和效率高.識(shí)別過程與人類的學(xué)習(xí)過程相似,以“語音識(shí)別為例：語音識(shí)別就是讓計(jì)算機(jī)能聽懂人說 的話,一個(gè)重要的例子就是七國(guó)語言英、日、意、韓、法、德、中口語自動(dòng)譯 系統(tǒng).該系統(tǒng)

4、實(shí)現(xiàn)后,人們出國(guó)預(yù)定旅館、購置機(jī)票、在餐館對(duì)話和兌換外幣時(shí),只要利用 網(wǎng)絡(luò)和國(guó)際互聯(lián)網(wǎng),就可用 、 等與“老外通話.3機(jī)器譯機(jī)器譯是利用計(jì)算機(jī)把一種自然語言轉(zhuǎn)變成另一種自然語言的過程,用以完成這一過程的軟件系統(tǒng)叫做機(jī)器譯系統(tǒng).搜文網(wǎng)目前,國(guó)內(nèi)的機(jī)器譯軟件不下百種,根據(jù)這些軟件的譯特點(diǎn),大致可以分為三大類：詞典譯類、漢化譯類和專業(yè)譯類.詞典類譯軟件的代表是“金山詞霸,堪稱是多快好省 的電子詞典,它可以迅速查詢英文單詞或詞組的詞義并提供單詞的發(fā)音,為用戶了解單詞或詞組含義提供了極大的便利.漢化譯軟件的典型代表是“東方快車2000 ,它首先提出了 “智能漢化的概念,使譯軟件的輔助譯作用更加明 顯.4

5、機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)是機(jī)器具有智能的重要標(biāo)志,同時(shí)也是機(jī)器獲取知識(shí)的根本途徑.有人認(rèn)為,一個(gè)計(jì)算機(jī)系統(tǒng)如果不具備學(xué)習(xí)功能,就不能稱其為智能系統(tǒng).機(jī)器學(xué)習(xí)主要研究如何使計(jì)算機(jī)能夠模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)功能.機(jī)器學(xué)習(xí)是一個(gè)難度較大的研究領(lǐng)域,它與認(rèn)知科學(xué)、神經(jīng)心理學(xué)、邏輯學(xué)等學(xué)科都有著密切的聯(lián)系, 并對(duì)人工智能的其他分支,如專家系統(tǒng)、自然語言理解、自動(dòng)推理、智能機(jī)器人、計(jì) 算機(jī)視覺、計(jì)算機(jī)聽覺等方面,也會(huì)起到重要的推動(dòng)作用.5問題求解人工智能的第一大成就是下棋程序,在下棋程序中應(yīng)用的某些技術(shù),今天的計(jì)算機(jī)程序已能夠到達(dá)下各種方盤棋和國(guó)際象棋的錦標(biāo)賽水平.但是,尚未解決包括人類棋手具有但尚不能明確表達(dá)的水

6、平,如國(guó)際象棋大師們洞察棋局的能力.另一個(gè)問題是涉及問題的原概念 ,在人工智能中叫問題表示的選擇,人們常能找 到某種思考問題的方法,從而使求解變易而解決該問題.到目前為止,人工智能程序 已能知道如何考慮它們要解決的問題,即搜索解答空間,尋找較優(yōu)解答.6邏輯推理與定理證實(shí)邏輯推理是人工智能研究中最持久的領(lǐng)域之一,其中特別重要的是要找到一些 方法,只把注意力集中在一個(gè)大型的數(shù)據(jù)庫中的有關(guān)事實(shí)上 ,留意可信的證實(shí),并在出現(xiàn)新信息時(shí)適時(shí)修正這些證實(shí). 醫(yī)療診斷和信息檢索都可以和定理證實(shí)問 題一樣加以形式化.因此,在人工智能方法的研究中,定理證實(shí)是一個(gè)極其重要的 論題.7自然語言處理自然語言的處理是人工

7、智能技術(shù)應(yīng)用于實(shí)際領(lǐng)域的典型范例,經(jīng)過多年艱苦努力這一領(lǐng)域已獲得了大量令人矚目的成果.目前該領(lǐng)域的主要課題是：計(jì)算機(jī)系統(tǒng)如何以主題和對(duì)話情境為根底,注重大量的常識(shí)世界知識(shí)和期望作用,生成和理解自然語言.這是一個(gè)極其復(fù)雜的編碼和解碼問題.8分布式人工智能分布式人工智能在 20世紀(jì)70年代后期出現(xiàn),是人工智能研究的一個(gè)重要 分支.分布式人工智能系統(tǒng)一般由多個(gè)Agen t智能體組成,每一個(gè) Agent又是一個(gè)半自治系統(tǒng),Agent之間以及Agent與環(huán)境之間進(jìn)行并發(fā)活動(dòng),并通過交互來完成問題求解.9計(jì)算機(jī)視覺計(jì)算機(jī)視覺是一門用計(jì)算機(jī)實(shí)現(xiàn)或模擬人類視覺功能的新興學(xué)科,其主要研究目標(biāo)是使計(jì)算機(jī)具有通過二

8、維圖像認(rèn)知三維環(huán)境信息的水平,這種水平不僅包括對(duì)三維環(huán)境中物體形狀、位置、姿態(tài)、運(yùn)動(dòng)等幾何信息的感知,而且還包括對(duì)這些信 息的描述、存儲(chǔ)、識(shí)別與理解.目前,計(jì)算機(jī)視覺已在人類社會(huì)的許多領(lǐng)域得到成 功應(yīng)用.例如,在圖像、圖形識(shí)別方面有指紋識(shí)別、染色體識(shí)字符識(shí)別等；在航天與軍事方面有衛(wèi)星圖像處理、 飛行器跟蹤、成像精確制導(dǎo)、 景物識(shí)別、 目標(biāo)檢測(cè)等； 在醫(yī)學(xué)方面有圖像的臟器重建、 醫(yī)學(xué)圖像分析等； 在工業(yè)方面有各 種監(jiān)測(cè)系統(tǒng)和生產(chǎn)過程監(jiān)控系統(tǒng)等.10智能信息檢索技術(shù)信息獲取和精化技術(shù)已成為當(dāng)代計(jì)算機(jī)科學(xué)與技術(shù)研究中迫切需要研究的 課題,將人工智能技術(shù)應(yīng)用于這一領(lǐng)域的研究是人工智能走向廣泛實(shí)際應(yīng)用的

9、 契機(jī)與突破口.11專家系統(tǒng)專家系統(tǒng)是目前人工智能中最活潑、最有成效的一個(gè)研究領(lǐng)域,它是一種具有特定領(lǐng)域內(nèi)大量知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng).近年來,在“專家系統(tǒng)或“知識(shí)工程的研究中已出現(xiàn)了成功和有效應(yīng)用人工智能技術(shù)的趨勢(shì).人類專家由于具有豐富的知識(shí),所以才能到達(dá)優(yōu)異地解決問題的水平.那么計(jì)算機(jī)程序如果能表達(dá)和應(yīng)用 這些知識(shí),也應(yīng)該能解決人類專家所解決的問題,而且能幫助人類專家發(fā)現(xiàn)推理過程 中出現(xiàn)的過失,現(xiàn)在這一點(diǎn)已被證實(shí).如在礦物勘測(cè)、化學(xué)分析、規(guī)劃和醫(yī)學(xué)診斷 方面,專家系統(tǒng)已經(jīng)到達(dá)了人類專家的水平.四.目前人工智能開展中所面臨的難題人工智能(AI)學(xué)科自1956年誕生至今已走過50多個(gè)年頭,就研究解

10、釋和模擬 人類智能、智能行為及其規(guī)律這一總目標(biāo)來說,已經(jīng)邁出了可喜的一步,某些領(lǐng)域已 取得了相當(dāng)?shù)倪M(jìn)展. 但從整個(gè)開展的過程來看,人工智能開展曲折,而且還面臨不 少難題,主要有以下幾個(gè)方面：1計(jì)算機(jī)博弈的困難博弈是自然界的一種普遍現(xiàn)象,它表現(xiàn)在對(duì)自然界事物的對(duì)策或智力競(jìng)爭(zhēng)上.博弈不僅存在于下棋之中,而且存在于政治、經(jīng)濟(jì)、軍事和生物的斗智和競(jìng)爭(zhēng)之中.盡管西洋跳棋和國(guó)際象棋的計(jì)算機(jī)程序已經(jīng)到達(dá)了相當(dāng)高的水平 ,然而計(jì)算 機(jī)博弈依然面臨著巨大的困難. 這主要表現(xiàn)在以下兩個(gè)方面的問題：其一是組合爆炸問題,狀態(tài)空間法是人工智能中根本的形式化方法.假設(shè)用博弈樹來表示狀態(tài)空間,對(duì)于幾種常見的棋類,其狀態(tài)空間

11、都大得驚人,例如,西洋跳棋為10的40次方,國(guó)際象棋為10的120次方,圍棋那么是10的700次方.如此巨大的狀態(tài) 空間,現(xiàn)有計(jì)算機(jī)是很難忍受的.其二是現(xiàn)在的博弈程序往往是針對(duì)二人對(duì)弈、棋局公開、有確定走步的一類棋類進(jìn)行研制的.而對(duì)于多人對(duì)弈、隨機(jī)性的博弈這類問題,至少目前計(jì)算機(jī)還是難以模擬實(shí)現(xiàn)的.2機(jī)器譯所面臨的問題在計(jì)算機(jī)誕生的初期,有人提出了用計(jì)算機(jī)實(shí)現(xiàn)自動(dòng)譯的設(shè)想.目前機(jī)器譯所面臨的問題仍然是1964年語言學(xué)家黑列爾所說的構(gòu)成句子的單詞和歧義性問題.歧義性問題一直是自然語言理解(NLU)中的一大難關(guān). 同樣一個(gè)句子在不同的場(chǎng)合使用,其含義的差異是司空見慣的.因此,要消除歧義性就要對(duì)原文

12、的每一個(gè)句子及其上下文進(jìn)行分析理解,尋找導(dǎo)致歧義的詞和詞組在上下文中的準(zhǔn)確意義.然而,計(jì)算機(jī)卻往往孤立地將句子作為理解單位.另外 ,即使對(duì)原文有 了一定的理解,理解的意義如何有效地在計(jì)算機(jī)里表示出來也存在問題.目前的NLU系統(tǒng)幾乎不能隨著時(shí)間的增長(zhǎng)而增強(qiáng)理解力 ,系統(tǒng)的理解大都局限于表層上,沒有深層的推敲,沒有學(xué)習(xí),沒有記憶,更沒有歸納.導(dǎo)致這種結(jié)果的原因是計(jì)算機(jī)本身結(jié)構(gòu)和研究方法的問題.現(xiàn)在NLU的研究方法很不成熟,大多數(shù)研究局限在語言這一單獨(dú)的領(lǐng)域,而沒有對(duì)人們是如何理解語言這個(gè)問題做深入有效的探討.3自動(dòng)定理證實(shí)和 GPS的局限自動(dòng)定理證實(shí)的代表性工作是1965年魯賓遜提出的歸結(jié)原理.歸

13、結(jié)原理雖然簡(jiǎn)單易行,但它所采用的方法是演繹,而這種形式上的演繹與人類自然演繹推理方法是截然不同的.基于歸結(jié)原理演繹推理要求把邏輯公式轉(zhuǎn)化為子句集合,從而喪失了其固有的邏輯蘊(yùn)含語義.前面曾提到過的 GPS是企圖實(shí)現(xiàn)一種不依賴于領(lǐng) 域知識(shí)求解人工智能問題的通用方法.GPS想擺脫對(duì)問題內(nèi)部表達(dá)形式的依賴,但是問題的內(nèi)部表達(dá)形式的合理性是與領(lǐng)域知識(shí)密切相關(guān)的.不管是用一階謂詞邏輯進(jìn)行定理證實(shí)的歸結(jié)原理,還是求解人工智能問題的通用方法 GPS,都 可以從中分析出表達(dá)水平的局限性 ,而這種局限性使得它們縮小了其自身的應(yīng)用范圍.4模式識(shí)別的困惑雖然使用計(jì)算機(jī)進(jìn)行模式識(shí)別的研究與開發(fā)已取得大量成果,有的已成為

14、產(chǎn)品投入實(shí)際應(yīng)用,但是它的理論和方法與人的感官識(shí)別機(jī)制是全然不同的.人的識(shí)別手段、形象思維水平,是任何最先進(jìn)的計(jì)算機(jī)識(shí)別系統(tǒng)望塵莫及的 ,另一方面, 在現(xiàn)實(shí)世界中,生活并不是一項(xiàng)結(jié)構(gòu)嚴(yán)密的任務(wù),一般家畜都能輕而易舉地對(duì)付 ,但 機(jī)器不會(huì),這并不是說它們永遠(yuǎn)不會(huì),而是說目前不會(huì).五.人工智能的開展前景1人工智能的開展趨勢(shì)技術(shù)的開展總是超乎人們的想象,要準(zhǔn)確地預(yù)測(cè)人工智能的未來是不可能的.但是,從目前的一些前瞻性研究可以看出,未來人工智能可能會(huì)向以下幾個(gè)方面開展：模糊處理、并行化、神經(jīng)網(wǎng)絡(luò)和機(jī)器情感.2人工智能的開展?jié)摿薮笕斯ぶ悄茏鳛橐粋€(gè)整體的研究才剛剛開始 ,離我們的目標(biāo)還很遙遠(yuǎn),但人工智 能

15、在某些方面將會(huì)有大的突破.(1)自動(dòng)推理是人工智能最經(jīng)典的研究分支,其根本理論是人工智能其它分支的共同根底.一直以來自動(dòng)推理都是人工智能研究的最熱門內(nèi)容之一,其中知識(shí)系統(tǒng)的動(dòng)態(tài)演化特征及可行性推理的研究是最新的熱點(diǎn),很有可能取得大的突破.(2)機(jī)器學(xué)習(xí)的研究取得長(zhǎng)足的開展.許多新的學(xué)習(xí)方法相繼問世并獲得了成 功的應(yīng)用,如增強(qiáng)學(xué)習(xí)算法、reinforcement learning 等.也應(yīng)看到,現(xiàn)有的方 法處理在線學(xué)習(xí)方面尚不夠有效,尋求一種新的方法,以解決移動(dòng)機(jī)器人、自主agent、智能信息存取等研究中的在線學(xué)習(xí)問題是研究人員共同關(guān)心的問題,相信不久會(huì)在這些方面取得突破.(3)自然語言處理是AI技術(shù)應(yīng)用于實(shí)際領(lǐng)域的典型范例,經(jīng)過A I研究人員的艱 苦努力,這一領(lǐng)域已獲得了大量令人矚目的理論與應(yīng)用成果.許多產(chǎn)品已經(jīng)進(jìn)入了眾多領(lǐng)域.智能信息檢索技術(shù)在Internet技術(shù)的影響