人工智能的現(xiàn)狀及今后發(fā)展趨勢展望

1、人工智能的現(xiàn)狀及今后發(fā)展趨勢展望一引言人工智能(Artificial Intelligence),AI，也稱機器智能?！叭斯ぶ悄堋?956 Dartmouth 學會上提出的。它是計算機科學、控二目前人工智能技術的研究和發(fā)展狀況AI IBM 公司，已經(jīng)為加州勞倫斯ASCI White 電腦，號稱具有人腦的千分之一的智力能力。而正在開發(fā)的更為強大的新超級電腦“藍色牛仔”（Blue Jean），據(jù)其研究主任保羅霍恩稱，“藍色牛仔”的智力水平將大致與人腦相當。三技術應用AI 可以說人工智能已經(jīng)廣泛應用到許多領域，其典型的應用包括：符號計算計算機最主要的用途之一就是科學計算,科學計算可分為兩類:一類是純

2、數(shù)值的計算,例如求函數(shù)的值;另一類是符號計算,又稱代數(shù)運算,這是一種智能化的計算,式、函數(shù)、集合等。隨著計算機的普及和人工智能的發(fā)展,相繼出現(xiàn)了多種功能齊全的計算機代數(shù)系統(tǒng)軟件,Mathematic Maple 是它們的代表。由于C 語言寫成的,所以可以在絕大多數(shù)計算機上使用。模式識別里,我們把環(huán)境與客體統(tǒng)稱為“模式”。用計算機實現(xiàn)模式（文字、聲音、人物、物體等人類的學習過程相似，以“語音識別”為例：語音識別就是讓計算機能聽懂人說的話，一個重要的例子就是七國語言（英、日、意、韓、法、德、中）口語自動翻譯系統(tǒng)。該系統(tǒng)實現(xiàn)后，人們出國預定旅館、購買機票、在餐館對話和兌換外幣時，只要利用電話網(wǎng)絡和國

3、際互聯(lián)網(wǎng)，就可用手機、電話等與“老外”通話。機器翻譯“金ft詞霸”“智能漢化”機器學習器人、計算機視覺、計算機聽覺等方面，也會起到重要的推動作用。問題求解人工智能的第一大成就是下棋程序,在下棋程序中應用的某些技術,今天的計算機程序已能夠達到下各種方盤棋和國際象棋的錦標賽水平。但是,尚未解決包括人類棋手具有但尚不能明確表達的能力，如國際象棋大師們洞察棋局的能,在人工智能中叫問題表示的選擇,找到某種思考問題的方法,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。邏輯推理與定理證明邏輯推理是人工智能研究中最持久的領域之一,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大型的

4、數(shù)據(jù)庫中的有關事實上,留意可信的證明,題一樣加以形式化。因此,在人工智能方法的研究中，定理證明是一個極其重要的論題。自然語言處理自然語言的處理是人工智能技術應用于實際領域的典型范例,經(jīng)過多年艱苦努力,這一領域已獲得了大量令人矚目的成果。目前該領域的主要課題是:計算機系統(tǒng)如何以主題和對話情境為基礎,注重大量的常識世界知識和期望作用, 生成和理解自然語言。這是一個極其復雜的編碼和解碼問題。分布式人工智能2070年代后期出現(xiàn)，是人工智能研究的一個重要Agen（t智能體）Agent 又是一個半自治系統(tǒng)，AgentAgent與環(huán)境之間進行并發(fā)活動，并通過交互來完成問題求解。計算機視覺智能信息檢索技術信息

5、獲取和精化技術已成為當代計算機科學與技術研究中迫切需要研究的課題,將人工智能技術應用于這一領域的研究是人工智能走向廣泛實際應用的契機與突破口。專家系統(tǒng)專家系統(tǒng)是目前人工智能中最活躍、最有成效的一個研究領域,它是一種具有特定領域內大量知識與經(jīng)驗的程序系統(tǒng)。近年來,在“專家系統(tǒng)”或“知識工程”的知識,所以才能達到優(yōu)異地解決問題的能力。那么計算機程序如果能體現(xiàn)和應用這些知識,也應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)的差錯,現(xiàn)在這一點已被證實。如在礦物勘測、化學分析、規(guī)劃和醫(yī)學診斷方面,專家系統(tǒng)已經(jīng)達到了人類專家的水平。四目前人工智能發(fā)展中所面臨的難題人工智能(AI)19

6、5650多個年頭,就研究解釋和,已經(jīng)邁出了可喜的一步,人工智能發(fā)展曲折,面臨不少難題，主要有以下幾個方面：計算機博弈的困難博弈是自然界的一種普遍現(xiàn)象，它表現(xiàn)在對自然界事物的對策或智力競爭上。博弈不僅存在于下棋之中,而且存在于政治、經(jīng)濟、軍事和生物的斗智和競爭之中。盡管西洋跳棋和國際象棋的計算機程序已經(jīng)達到了相當高的水平,然而10 的40次方,10 120 次方,10 700 次方。如此巨大的狀態(tài)空間,機器翻譯所面臨的問題在計算機誕生的初期,有人提出了用計算機實現(xiàn)自動翻譯的設想。目前機器1964 年語言學家黑列爾所說的構成句子的單詞和歧(NLU)在不同的場合使用,的每一個句子及其上下文進行分析理

7、解,尋找導致歧義的詞和詞組在上下文中的,了一定的理解,理解的意義如何有效地在計算機里表示出來也存在問題。目前的NLU系統(tǒng)幾乎不能隨著時間的增長而增強理解力,系統(tǒng)的理解大都局限于表層上沒有深層的推敲,沒有學習,沒有記憶,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的領域,而沒有對人們是如何理解語言這個問題做深入有效的探討。GPS的局限1965 GPS 是企圖實現(xiàn)一種不依賴于領域知識求解人工智能問題的通用方法。GPS 想擺脫對問題內部表達形式的依賴,但是問題的內部表達形式的合理性是與領域知識密切相關的。不管是用一階謂詞邏輯進行定理證明的歸結原理,都可以從中分析出表達能力的局限性,而這種

8、局限性使得它們縮小了其自身的應用范圍。模式識別的困惑雖然使用計算機進行模式識別的研究與開發(fā)已取得大量成果,有的已成為產品投入實際應用,但是它的理論和方法與人的感官識別機制是全然不同的。人的,是任何最先進的計算機識別系統(tǒng)望塵莫及的,另一方面在現(xiàn)實世界中,但機器不會,這并不是說它們永遠不會,而是說目前不會。五人工智能的發(fā)展前景人工智能的發(fā)展趨勢技術的發(fā)展總是超乎人們的想象，要準確地預測人工智能的未來是不可能方面發(fā)展:模糊處理、并行化、神經(jīng)網(wǎng)絡和機器情感。人工智能的發(fā)展?jié)摿薮笕斯ぶ悄茏鳛橐粋€整體的研究才剛剛開始,離我們的目標還很遙遠，但人工智能在某些方面將會有大的突破。自動推理是人工智能最經(jīng)典的研究分支,其基本理論是人工智能其它分支的共同基礎。一直以來自動推理都是人工智能研究的最熱門內容之一,系統(tǒng)的動態(tài)演化特征及可行性推理的研究是最新的熱點,很有可能取得大的突 破。機器學習的研究取得長足的發(fā)展。許多新的學習方法相繼問世并獲得了成功的應用,如增強學習算法、reinforcement learning 等。也應看到,現(xiàn)有的方法處理在線學習方面尚不夠有效,尋求一種新的方法,以解決移動機器人、自主agent、智能信息存取等研究中的在線學習問題是研究人員共同關心的問題,相信不久會在這些方面取得突破。AI技術應用于實際領域的典型范例,AI研究人員的艱苦努力,這一領