人工智能概述課件

第1章人工智能概述1.1什么是人工智能1.2人工智能的研究意義、目標和策略1.3人工智能的學科范疇1.4人工智能的研究內容1.5人工智能的研究途徑與方法1.6人工智能的基本技術1.7人工智能的應用1.8人工智能的分支領域與研究方向1.9人工智能的發(fā)展概況習題一第1章人工智能概述1.1什么是人工智能11.1什么是人工智能

1.1.1人工智能概念的一般描述顧名思義,人工智能就是人造智能,其英文表示是“ArtificialIntelligence”,簡稱AI?！叭斯ぶ悄堋币辉~目前是指用計算機模擬或實現(xiàn)的智能,因此人工智能又稱機器智能。當然,這只是對人工智能的字面解釋或一般解釋。關于人工智能的科學定義,學術界目前還沒有統(tǒng)一的認識。下面是部分學者對人工智能概念的描述,可以看做是他們各自對人工智能所下的定義。1.1什么是人工智能1.1.1人工智能概念的一般描述2——人工智能是那些與人的思維相關的活動,諸如決策、問題求解和學習等的自動化(Bellman,1978年)?！斯ぶ悄苁且环N計算機能夠思維,使機器具有智力的激動人心的新嘗試(Haugeland,1985年)。——人工智能是研究如何讓計算機做現(xiàn)階段只有人才能做得好的事情(RichKnight,1991年)。——人工智能是那些使知覺、

推理和行為成為可能的計算的研究(Winston,1992年)。

——人工智能是那些與人的思維相關的活動,諸如決策、問3——廣義地講,人工智能是關于人造物的智能行為,而智能行為包括知覺、推理、學習、交流和在復雜環(huán)境中的行為(Nilsson,1998年)?！猄tuartRussell和PeterNorvig則把已有的一些人工智能定義分為4類:像人一樣思考的系統(tǒng)、像人一樣行動的系統(tǒng)、理性地思考的系統(tǒng)、理性地行動的系統(tǒng)(2003年)?！獜V義地講,人工智能是關于人造物的智能行為,而智能4可以看出,這些定義雖然都指出了人工智能的一些特征,但用它們卻難以界定一臺計算機是否具有智能。因為要界定機器是否具有智能,必然要涉及到什么是智能的問題,但這卻是一個難以準確回答的問題。所以,盡管人們給出了關于人工智能的不少說法,但都沒有完全或嚴格地用智能的內涵或外延來定義人工智能。

可以看出,這些定義雖然都指出了人工智能的一些特征,但51.1.2圖靈測試和中文屋子關于如何界定機器智能,早在人工智能學科還未正式誕生之前的1950年,計算機科學創(chuàng)始人之一的英國數(shù)學家阿蘭·圖靈(AlanTuring)就提出了現(xiàn)稱為“圖靈測試”(TuringTest)的方法。簡單來講,圖靈測試的做法是:讓一位測試者分別與一臺計算機和一個人進行交談(當時是用電傳打字機),而測試者事先并不知道哪一個被測者是人,哪一個是計算機。如果交談后測試者分不出哪一個被測者是人,哪一個是計算機,則可以認為這臺被測的計算機具有智能。

1.1.2圖靈測試和中文屋子6對于“圖靈測試”,美國哲學家約翰·西爾勒(JohnSearle,1980年)提出了異議。他用一個現(xiàn)在稱為“中文屋子”的假設,試圖說明即便是一臺計算機通過了圖靈測試,也不能說它就真的具有智能。中文屋子假設是說:有一臺計算機閱讀了一段故事并且能正確回答相關問題,這樣這臺計算就通過了圖靈測試。而西爾勒設想將這段故事和問題改用中文描述(因為他本人不懂中文),然后將自己封閉在一個屋子里,代替計算機閱讀這段故事并且回答相關問題。描述這段故事和問題的一連串中文符號只能通過一個很小的縫隙被送到屋子里。西爾勒則完全按照原先計算機程序的處理方式和過程(如符號匹配、查找、照抄等)對這些符號串進行操作,然后把得到的結果即問題答案通過小縫隙送出去。西爾勒認為盡管計算機用這種符號處理方式也能正確回答問題,并且也可通過圖靈測試,但仍然不能說計算機就有了智能。

對于“圖靈測試”,美國哲學家約翰·西爾勒(JohnS71.1.3腦智能和群智能

群智能是有別于腦智能的。事實上,它們是屬于不同層次的智能。腦智能是一種個體智能(IndividualIntelligence,II),而群智能是一種社會智能(SocialIntelligence,SI),或者說是系統(tǒng)智能(SystemIntelligence,SI)。但對于人腦來說,宏觀心理(或者語言)層次上的腦智能與神經元層次上的群智能又有密切的關系——正是微觀生理層次上低級的神經元的群智能形成了宏觀心理層次上高級的腦智能(但二者之間的具體關系如何,卻仍然是個迷,這個問題的解決需要借助于系統(tǒng)科學)。1.1.3腦智能和群智能81.1.4符號智能和計算智能1.符號智能符號智能就是符號人工智能,它是模擬腦智能的人工智能,也就是所說的傳統(tǒng)人工智能或經典人工智能。符號智能以符號形式的知識和信息為基礎,主要通過邏輯推理，運用知識進行問題求解。符號智能的主要內容包括知識獲取(knowledgeacquisition)、知識表示(knowledgerepresentation)、

知識組織與管理和知識運用等技術(這些構成了所謂的知識工程(KnowledgeEngineering,KE))以及基于知識的智能系統(tǒng)等。

1.1.4符號智能和計算智能9

2.計算智能計算智能就是計算人工智能,它是模擬群智能的人工智能。計算智能以數(shù)值數(shù)據(jù)為基礎,主要通過數(shù)值計算，運用算法進行問題求解。

計算智能的主要內容包括:神經計算(NeuralComputation,NC)、

進化計算(亦稱演化計算,EvolutionaryComputation,EC,包括遺傳算法(GeneticAlgorithm,GA)、

進化規(guī)劃(EvolutionaryPlanning,EP)、進化策略(EvolutionaryStrategies,ES)等)、免疫計算(immunecomputation)、

粒群算法(ParticleSwarmAlgorithm,PSA)、

蟻群算法(AntColonyAlgorithm,ACA)、

自然計算(NaturalComputation,NC)以及人工生命(ArtificialLife,AL)等。

計算智能主要研究各類優(yōu)化搜索算法,是當前人工智能學科中一個十分活躍的分支領域。

2.計算智能101.2人工智能的研究意義、目標和策略

1.2.1為什么要研究人工智能我們知道,計算機是迄今為止最有效的信息處理工具,以至于人們稱它為“電腦”。但現(xiàn)在的普通計算機系統(tǒng)的智能還相當?shù)拖?譬如缺乏自適應、自學習、自優(yōu)化等能力,也缺乏社會常識或專業(yè)知識等,而只能是被動地按照人們?yōu)樗孪劝才藕玫墓ぷ鞑襟E進行工作。因而它的功能和作用就受到很大的限制,難以滿足越來越復雜和越來越廣泛的社會需求。既然計算機和人腦一樣都可進行信息處理,那么是否能讓計算機同人腦一樣也具有智能呢？這正是人們研究人工智能的初衷。

1.2人工智能的研究意義、目標和策略1.2.1為什么要11研究人工智能也是當前信息化社會的迫切要求。我們知道,人類社會現(xiàn)在已經進入了信息化時代。信息化的進一步發(fā)展,就必須有智能技術的支持。例如,當前迅速發(fā)展著的互聯(lián)網(wǎng)(Internet)、萬維網(wǎng)(WWW)和網(wǎng)格(Grid)就強烈地需要智能技術的支持。也就是說,人工智能技術在Internet、WWW和Grid上將發(fā)揮重要作用。智能化也是自動化發(fā)展的必然趨勢。自動化發(fā)展到一定水平,再向前發(fā)展就必然是智能化。事實上,智能化將是繼機械化、自動化之后,人類生產和生活中的又一個技術特征。

研究人工智能也是當前信息化社會的迫切要求。我們知道,人121.2.2人工智能的研究目標和策略人工智能作為一門學科,其研究目標就是制造智能機器和智能系統(tǒng),實現(xiàn)智能化社會。具體來講,就是要使計算機不僅具有腦智能和群智能,還要具有看、聽、說、寫等感知和交流能力。簡言之,就是要使計算機具有自主發(fā)現(xiàn)規(guī)律、解決問題和發(fā)明創(chuàng)造的能力,從而大大擴展和延伸人的智能,實現(xiàn)人類社會的全面智能化。人工智能學科的研究策略則是先部分地或某種程度地實現(xiàn)機器的智能,并運用智能技術解決各種實際問題特別是工程問題,從而使現(xiàn)有的計算機更靈活、更好用和更有用,成為人類的智能化信息處理工具,從而逐步擴展和不斷延伸人的智能,逐步實現(xiàn)智能化。

1.2.2人工智能的研究目標和策略131.3人工智能的學科范疇

現(xiàn)在,人工智能已構成信息技術領域的一個重要學科。因為該學科研究的是如何使機器(計算機)具有智能或者說如何利用計算機實現(xiàn)智能的理論、方法和技術,所以,當前的人工智能既屬于計算機科學技術的一個前沿領域,也屬于信息處理和自動化技術的一個前沿領域。但由于其研究內容涉及到“智能”,因此,人工智能又不局限于計算機、信息和自動化等學科,還涉及到智能科學、認知科學、心理科學、腦及神經科學、生命科學、語言學、邏輯學、行為科學、教育科學、系統(tǒng)科學、數(shù)理科學以及控制論、哲學甚至經濟學等眾多學科領域。

所以,人工智能實際上是一門綜合性的交叉學科和邊緣學科。

1.3人工智能的學科范疇現(xiàn)在,人工智能已構成信息技141.4人工智能的研究內容

1.4.1搜索與求解所謂搜索,就是為了達到某一目標而多次地進行某種操作、運算、推理或計算的過程。事實上,搜索是人在求解問題時而不知現(xiàn)成解法的情況下所采用的一種普遍方法。這可以看做是人類和其他生物所具有的一種元知識。另一方面,人工智能的研究實踐也表明,許多問題(包括智力問題和實際工程問題)的求解都可以描述為或者歸結為對某種圖或空間的搜索問題。進一步人們發(fā)現(xiàn),許多智能活動(包括腦智能和群智能)的過程,甚至幾乎所有智能活動的過程,都可以看做或者抽象為一個基于搜索的問題求解過程。因此,搜索技術就成為人工智能最基本的研究內容。

1.4人工智能的研究內容1.4.1搜索與求解151.4.2學習與發(fā)現(xiàn)學習與發(fā)現(xiàn)是指機器的知識學習和規(guī)律發(fā)現(xiàn)。事實上,經驗積累能力、規(guī)律發(fā)現(xiàn)能力和知識學習能力都是智能的表現(xiàn)。那么,要實現(xiàn)人工智能就應該賦予機器這些能力。因此,關于機器的學習和發(fā)現(xiàn)技術就是人工智能的重要研究內容。

1.4.2學習與發(fā)現(xiàn)161.4.3知識與推理我們知道“知識就是力量”。在人工智能中,人們則更進一步領略到了這句話的深刻內涵。的確,對智能來說,知識太重要了,以致可以說“知識就是智能”。事實上,能發(fā)現(xiàn)客觀規(guī)律是一種有智能的表現(xiàn),能運用知識解決問題也是有智能的表現(xiàn),而且是最為基本的一種表現(xiàn)。而發(fā)現(xiàn)規(guī)律和運用知識本身還需要知識。因此可以說,知識是智能的基礎和源泉。所以,要實現(xiàn)人工智能,計算機就必須擁有知識和運用知識的能力。為此,就要研究面向機器的知識表示形式和基于各種表示的機器推理技術。知識表示要求便于計算機的接受、存儲、處理和運用,機器的推理方式與知識的表示又息息相關。由于推理是人腦的一個基本功能和重要功能,因此,在符號智能中幾乎處處都與推理有關。1.4.3知識與推理171.4.4發(fā)明與創(chuàng)造這里的發(fā)明創(chuàng)造是廣義的,它既包括我們通常所說的發(fā)明創(chuàng)造,如機器、儀器、設備等的發(fā)明和革新,也包括創(chuàng)新性軟件、方案、規(guī)劃、設計等的研制和技術、方法的創(chuàng)新以及文學、藝術的創(chuàng)作,還包括思想、理論、法規(guī)的建立和創(chuàng)新等等。我們知道,發(fā)明創(chuàng)造不僅需要知識和推理,還需要想象和靈感。它不僅需要邏輯思維,而且還需要形象思維。所以,這個領域應該說是人工智能中最富挑戰(zhàn)性的一個研究領域。目前,人們在這一領域已經開展了一些工作,并取得了一些成果,例如已展開了關于形象信息的認知理論、計算模型和應用技術的研究,已開發(fā)出了計算機輔助創(chuàng)新軟件,還嘗試用計算機進行文藝創(chuàng)作等等。但總的來講,原創(chuàng)性的機器發(fā)明創(chuàng)造進展甚微,甚至還是空白。

1.4.4發(fā)明與創(chuàng)造181.4.5感知與交流感知與交流是指計算機對外部信息的直接感知和人機之間、智能體之間的直接信息交流。機器感知就是計算機直接“感覺”周圍世界,就像人一樣通過“感覺器官”直接從外界獲取信息,如通過視覺器官獲取圖形、圖像信息,通過聽覺器官獲取聲音信息。所以,機器感知包括計算機視覺、聽覺等各種感覺能力。機器信息交流涉及通信和自然語言處理等技術。自然語言處理又包括自然語言理解和表達。感知和交流是擬人化智能個體或智能系統(tǒng)(如Agent和智能機器人)所不可缺少的功能組成部分,所以這也是人工智能的研究內容之一。

1.4.5感知與交流191.4.6記憶與聯(lián)想記憶是智能的基本條件,不管是腦智能還是群智能,都以記憶為基礎。記憶也是人腦的基本功能之一。在人腦中,伴隨著記憶的就是聯(lián)想,聯(lián)想是人腦的奧秘之一。計算機要模擬人腦的思維就必須具有聯(lián)想功能。要實現(xiàn)聯(lián)想無非就是建立事物之間的聯(lián)系。在機器世界里面就是有關數(shù)據(jù)、信息或知識之間的聯(lián)系。當然,建立這種聯(lián)系的辦法很多,比如用指針、函數(shù)、鏈表等等。我們通常的信息查詢就是這樣做的。但傳統(tǒng)方法實現(xiàn)的聯(lián)想,只能對于那些完整的、確定的(輸入)信息,聯(lián)想起(輸出)有關的信息。這種“聯(lián)想”與人腦的聯(lián)想功能相差甚遠。人腦能對那些殘缺的、失真的、變形的輸入信息,仍然可以快速準確地輸出聯(lián)想響應。1.4.6記憶與聯(lián)想20從機器內部的實現(xiàn)方法來看,傳統(tǒng)的信息查詢是基于傳統(tǒng)計算機的按地址存取方式進行的。而研究表明,人腦的聯(lián)想功能是基于神經網(wǎng)絡的按內容記憶方式進行的。也就是說,只要是內容相關的事情,不管在哪里(與存儲地址無關),都可由其相關的內容被想起。例如,蘋果這一概念,一般有形狀、大小、顏色等特征,我們所要介紹的內容記憶方式就是由形狀(比如蘋果是圓形的)想起顏色、

大小等特征,而不需要關心其內部地址。

從機器內部的實現(xiàn)方法來看,傳統(tǒng)的信息查詢是基于傳統(tǒng)計算21當前,在機器聯(lián)想功能的研究中,人們就是利用這種按內容記憶原理,采用一種稱為“聯(lián)想存儲”的技術來實現(xiàn)聯(lián)想功能。聯(lián)想存儲的特點是:——可以存儲許多相關(激勵,響應)模式對?！ㄟ^自組織過程可以完成這種存儲?！苑植?、穩(wěn)健的方式(可能會有很高的冗余度)存儲信息?！梢愿鶕?jù)接收到的相關激勵模式產生并輸出適當?shù)捻憫Ｊ??！词馆斎爰钅Ｊ绞д婊虿煌耆珪r,仍然可以產生正確的響應模式。

——可在原存儲中加入新的存儲模式。

當前,在機器聯(lián)想功能的研究中,人們就是利用這種按內容記221.4.7系統(tǒng)與建造系統(tǒng)與建造是指智能系統(tǒng)的設計和實現(xiàn)技術。它包括智能系統(tǒng)的分類、硬/軟件體系結構、設計方法、實現(xiàn)語言工具與環(huán)境等。由于人工智能一般總要以某種系統(tǒng)的形式來表現(xiàn)和應用,因此關于智能系統(tǒng)的設計和實現(xiàn)技術也是人工智能的研究內容之一。

1.4.7系統(tǒng)與建造231.4.8應用與工程應用與工程是指人工智能的應用和工程研究,這是人工智能技術與實際應用的接口。它主要研究人工智能的應用領域、應用形式、具體應用工程項目等。其研究內容涉及問題的分析、識別和表示,相應求解方法和技術的選擇等。

1.4.8應用與工程241.5人工智能的研究途徑與方法

1.5.1心理模擬,符號推演“心理模擬,符號推演”就是從人腦的宏觀心理層面入手,以智能行為的心理模型為依據(jù),將問題或知識表示成某種邏輯網(wǎng)絡,采用符號推演的方法,模擬人腦的邏輯思維過程,實現(xiàn)人工智能。

1.5人工智能的研究途徑與方法1.5.1心理模擬,符25采用這一途徑與方法的原因是:①人腦的可意識到的思維活動是在心理層面上進行的(如我們的記憶、聯(lián)想、推理、計算、思考等思維過程都是一些心理活動),心理層面上的思維過程是可以用語言符號顯式表達的,從而人的智能行為就可以用邏輯來建模。②心理學、邏輯學、語言學等實際上也是建立在人腦的心理層面上的,從而這些學科的一些現(xiàn)成理論和方法就可供人工智能參考或直接使用。③當前的數(shù)字計算機可以方便地實現(xiàn)語言符號型知識的表示和處理。④可以直接運用人類已有顯式知識(包括理論知識和經驗知識)直接建立基于知識的智能系統(tǒng)。

采用這一途徑與方法的原因是:①人腦的可意識到的思維活26基于心理模擬和符號推演的人工智能研究,被稱為心理學派、邏輯學派、符號主義。早期的代表人物有紐厄爾(AllenNewell)、肖(Shaw)、西蒙(HerbertSimon)等,后來還有費根寶姆(E.A.Feigenbaum)、尼爾遜(Nilsson)等。其代表性的理念是所謂的“物理符號系統(tǒng)假設”,即認為人對客觀世界的認知基元是符號,認知過程就是符號處理的過程;而計算機也可以處理符號,所以就可以用計算機通過符號推演的方式來模擬人的邏輯思維過程,實現(xiàn)人工智能。

基于心理模擬和符號推演的人工智能研究,被稱為心理學派、27符號推演法是人工智能研究中最早使用的方法之一。人工智能的許多重要成果也都是用該方法取得的,如自動推理、定理證明、問題求解、機器博弈、專家系統(tǒng)等等。由于這種方法模擬人腦的邏輯思維,利用顯式的知識和推理來解決問題,因此,它擅長實現(xiàn)人腦的高級認知功能,如推理、

決策等。

符號推演法是人工智能研究中最早使用的方法之一。人工智能的281.5.2生理模擬,神經計算“生理模擬,神經計算”就是從人腦的生理層面,即微觀結構和工作機理入手,以智能行為的生理模型為依據(jù),采用數(shù)值計算的方法,模擬腦神經網(wǎng)絡的工作過程,實現(xiàn)人工智能。具體來講,就是用人工神經網(wǎng)絡作為信息和知識的載體,用稱為神經計算的數(shù)值計算方法來實現(xiàn)網(wǎng)絡的學習、記憶、聯(lián)想、識別和推理等功能。1.5.2生理模擬,神經計算29我們知道,人腦的生理結構是由大約1011～1012個神經元(細胞)組成的神經網(wǎng)絡,而且是一個動態(tài)的、開放的、高度復雜的巨系統(tǒng),以致于人們至今對它的生理結構和工作機理還未完全弄清楚。因此,對人腦的真正和完全模擬,一時還難以辦到。所以,目前的生理模擬只是對人腦的局部或近似模擬,也就是從群智能的層面進行模擬,實現(xiàn)人工智能。這種方法一般是通過神經網(wǎng)絡的“自學習”獲得知識,再利用知識解決問題。神經網(wǎng)絡具有高度的并行分布性、很強的魯棒性和容錯性。它擅長模擬人腦的形象思維,便于實現(xiàn)人腦的低級感知功能,例如圖像、

聲音信息的識別和處理。

我們知道,人腦的生理結構是由大約1011～1012個神30生理模擬和神經計算的方法早在20世紀40年代就已出現(xiàn),但由于種種原因而發(fā)展緩慢,甚至一度出現(xiàn)低潮,直到80年代中期才重新崛起,現(xiàn)已成為人工智能研究中不可或缺的重要途徑與方法。采用生理模擬和神經計算方法的人工智能研究,被稱為生理學派、連接主義。其代表人物有McCulloch,Pitts,F.Rosenblatt,T.Kohonen,J.Hopfield等。

生理模擬和神經計算的方法早在20世紀40年代就已出現(xiàn),311.5.3行為模擬,控制進化還有一種基于“感知-行為”模型的研究途徑和方法,我們稱其為行為模擬法。這種方法是用模擬人和動物在與環(huán)境的交互、控制過程中的智能活動和行為特性,如反應、適應、學習、尋優(yōu)等,來研究和實現(xiàn)人工智能?；谶@一方法研究人工智能的典型代表要算MIT的R.Brooks教授,他研制的六足行走機器人(亦稱為人造昆蟲或機器蟲),曾引起人工智能界的轟動。這個機器蟲可以看做是新一代的“控制論動物”,它具有一定的適應能力,是一個運用行為模擬即控制進化方法研究人工智能的代表作。1.5.3行為模擬,控制進化32事實上,R.Brooks教授的工作代表了稱為“現(xiàn)場(situated)AI”的人工智能新方向?，F(xiàn)場AI強調智能系統(tǒng)與環(huán)境的交互,認為智能取決于感知和行動,智能行為可以不需要知識,提出“沒有表示的智能”,“沒有推理的智能”的觀點,主張智能行為的“感知-動作”模式,認為人的智能、機器智能可以逐步進化,但只能在現(xiàn)實世界中與周圍環(huán)境的交互中體現(xiàn)出來。智能只能放在環(huán)境中才是真正的智能,智能的高低主要表現(xiàn)在對環(huán)境的適應性上。事實上,R.Brooks教授的工作代表了稱為“現(xiàn)場(situ33基于行為模擬方法的人工智能研究,被稱為行為主義、進化主義、控制論學派。行為主義曾強烈地批評傳統(tǒng)的人工智能(主要指符號主義,也涉及連接主義)對真實世界的客觀事物和復雜境遇,作了虛假的、過分簡化的抽象。沿著這一途徑,人們研制具有自學習、自適應、自組織特性的智能控制系統(tǒng)和智能機器人,進一步展開了人工生命(AL)的研究。

基于行為模擬方法的人工智能研究,被稱為行為主義、進化341.5.4群體模擬,仿生計算“群體模擬,仿生計算”就是模擬生物群落的群體智能行為,從而實現(xiàn)人工智能。例如,模擬生物種群有性繁殖和自然選擇現(xiàn)象而出現(xiàn)的遺傳算法,進而發(fā)展為進化計算;模擬人體免疫細胞群而出現(xiàn)的免疫計算、免疫克隆計算及人工免疫系統(tǒng);模擬螞蟻群體覓食活動過程的蟻群算法;模擬鳥群飛翔的粒群算法和模擬魚群活動的魚群算法等等。這些算法在解決組合優(yōu)化等問題中表現(xiàn)出卓越的性能。而對這些群體智慧的模擬是通過一些諸如遺傳、變異、選擇、交叉、克隆等所謂的算子或操作來實現(xiàn)的,所以我們統(tǒng)稱其為仿生計算。仿生計算的特點是,其成果可以直接付諸應用,解決工程問題和實際問題。1.5.4群體模擬,仿生計算351.5.5博采廣鑒,自然計算其實,人工智能的這些研究途徑和方法的出現(xiàn)并非偶然。因為至今人們對智能的科學原理還未完全弄清楚,所以在這種情況下研究和實現(xiàn)人工智能的一個自然的思路就是模擬自然智能。起初,人們知道自然智能源于人腦,于是,模擬人腦智能就是研究人工智能的一個首要途徑和方法。后來,人們發(fā)現(xiàn)一些生命群體的群體行為也會表現(xiàn)出某些智能,于是,模擬這些群體智能,就成了研究人工智能的又一個重要途徑和方法。現(xiàn)在,人們則進一步從生命、生態(tài)、系統(tǒng)、社會、數(shù)學、物理、化學、甚至經濟等眾多學科和領域尋找啟發(fā)和靈感,展開人工智能的研究。

1.5.5博采廣鑒,自然計算36例如,人們從熱力學和統(tǒng)計物理學所描述的高溫固體材料冷卻時,其原子的排列結構與能量的關系中得到啟發(fā),提出了“模擬退火算法”。該算法已是解決優(yōu)化搜索問題的有效算法之一。又如,人們從量子物理學中的自旋和統(tǒng)計機理中得到啟發(fā),而提出了量子聚類算法。再如,1994年阿德曼(Addman)使用現(xiàn)代分子生物技術,提出了解決哈密頓路徑問題的DNA分子計算方法,并在試管里求出了此問題的解。

例如,人們從熱力學和統(tǒng)計物理學所描述的高溫固體材料冷卻37這些方法一般稱為自然計算(NC)。自然計算就是模仿或借鑒自然界的某種機理而設計計算模型,這類計算模型通常是一類具有自適應、自組織、自學習、自尋優(yōu)能力的算法。如神經計算、進化計算、免疫計算、生態(tài)計算、量子計算、分子計算、DNA計算和復雜自適應系統(tǒng)等都屬于自然計算。自然計算實際是傳統(tǒng)計算的擴展,它是自然科學和計算科學相交叉而產生的研究領域,目前正方興未艾。自然計算能夠解決傳統(tǒng)計算方法難于解決的各種復雜問題,在大規(guī)模復雜系統(tǒng)的最優(yōu)化設計、優(yōu)化控制、網(wǎng)絡安全、創(chuàng)造性設計等領域具有很好的應用前景。

這些方法一般稱為自然計算(NC)。自然計算就是模仿或借鑒381.5.6原理分析,數(shù)學建?！霸矸治?數(shù)學建模”就是通過對智能本質和原理的分析,直接采用某種數(shù)學方法來建立智能行為模型。例如,人們用概率統(tǒng)計原理(特別是貝葉斯定理)處理不確定性信息和知識,建立了統(tǒng)計模式識別、統(tǒng)計機器學習和不確定性推理的一系列原理和方法。又如,人們用數(shù)學中的距離、空間、函數(shù)、變換等概念和方法,開發(fā)了幾何分類、支持向量機等模式識別和機器學習的原理和方法。人工智能的這一研究途徑和方法的特點也就是純粹用人的智能去實現(xiàn)機器智能。1.5.6原理分析,數(shù)學建模391.6人工智能的基本技術

盡管人工智能可分為符號智能和計算智能,但二者仍有許多共同或相似之處,其中最顯著的相似之處是:(1)二者都涉及表示和運算。(2)二者都是通過搜索進行問題求解的。1.6人工智能的基本技術盡管人工智能可分為符號智能和401.7人工智能的應用

1.7.1難題求解這里的難題,主要指那些沒有算法解,或雖有算法解但在現(xiàn)有機器上無法實施或無法完成的困難問題,例如智力性問題中的梵塔問題、n皇后問題、旅行商問題、博弈問題等等,就是這樣的難題。又如,現(xiàn)實世界中復雜的路徑規(guī)劃、車輛調度、電力調度、資源分配、任務分配、系統(tǒng)配置、地質分析、數(shù)據(jù)解釋、天氣預報、市場預測、股市分析、疾病診斷、故障診斷、軍事指揮、機器人行動規(guī)劃等等,也是這樣的難題。在這些難題中,有些是組合數(shù)學理論中所稱的非確定型多項式(NondeterministicPolynomial,NP)問題或NP完全(NondeterministicPolynomialComplete,NPC)問題。NP問題是指那些既不能證明其算法復雜性超出多項式界,但又未找到有效算法的一類問題。1.7人工智能的應用1.7.1難題求解41研究工程難題的求解是人工智能的重要課題,而研究智力難題的求解則具有雙重意義:一方面,可以找到解決這些難題的途徑;另一方面,由解決這些難題而發(fā)展起來的一些技術和方法可用于人工智能的其他領域。這也正是人工智能研究初期,研究內容基本上都集中于游戲世界的智力性問題的重要原因，例如博弈問題就可為搜索策略、機器學習等研究提供很好的實際背景。

研究工程難題的求解是人工智能的重要課題,而研究智力難題421.7.2自動規(guī)劃、調度與配置在上述的難題求解中,規(guī)劃、調度與配置問題是實用性、工程性最強的一類問題。規(guī)劃一般指設計制定一個行動序列,例如機器人行動規(guī)劃、交通路線規(guī)劃。調度就是一種任務分派或者安排,例如車輛調度、電力調度、資源分配、任務分配。調度的數(shù)學本質是給出兩個集合間的一個映射。配置則是設計合理的部件組合結構,即空間布局,例如資源配置、系統(tǒng)配置、設備或設施配置。1.7.2自動規(guī)劃、調度與配置43從問題求解角度看,規(guī)劃、調度、配置三者又有一定的內在聯(lián)系,有時甚至可以互相轉化。事實上,它們都屬于人工智能的經典問題之一的約束滿足問題(ConstraintSatisfactionProblems,CSP)。這類問題的解決體現(xiàn)了計算機的創(chuàng)造性,所以,規(guī)劃、調度、配置問題求解也是人工智能的一個重要研究領域。

從問題求解角度看,規(guī)劃、調度、配置三者又有一定的內在聯(lián)441.7.3機器定理證明機器定理證明也是人工智能的一個重要的研究課題,它也是人工智能最早的研究領域之一。定理證明是最典型的邏輯推理問題,它在發(fā)展人工智能方法上起過重大作用。如關于謂詞演算中推理過程機械化的研究,幫助我們更清楚地了解到某些機械化推理技術的組成情況。很多非數(shù)學領域的任務如醫(yī)療診斷、信息檢索、規(guī)劃制定和難題求解,都可以轉化成一個定理證明問題。所以機器定理證明的研究具有普遍的意義。

1.7.3機器定理證明45機器定理證明的方法主要有四類:(1)自然演繹法,其基本思想是依據(jù)推理規(guī)則,從前提和公理中可以推出許多定理,如果待證的定理恰在其中,則定理得證。(2)判定法,即對一類問題找出統(tǒng)一的計算機上可實現(xiàn)的算法解。在這方面一個著名的成果是我國數(shù)學家吳文俊教授1977年提出的初等幾何定理證明方法。(3)定理證明器,它研究一切可判定問題的證明方法。(4)計算機輔助證明,它是以計算機為輔助工具,利用機器的高速度和大容量,幫助人完成手工證明中難以完成的大量計算、推理和窮舉。

機器定理證明的方法主要有四類:461.7.4自動程序設計自動程序設計就是讓計算機設計程序。具體來講,就是人只要給出關于某程序要求的非常高級的描述,計算機就會自動生成一個能完成這個要求目標的具體程序。所以,這相當于給機器配置了一個“超級編譯系統(tǒng)”,它能夠對高級描述進行處理,通過規(guī)劃過程,生成所需的程序。但這只是自動程序設計的主要內容,它實際是程序的自動綜合。自動程序設計還包括程序自動驗證,即自動證明所設計程序的正確性。這樣,自動程序設計也是人工智能和軟件工程相結合的研究課題。

1.7.4自動程序設計471.7.5機器翻譯機器翻譯就是完全用計算機作為兩種語言之間的翻譯。機器翻譯由來已久,早在電子計算機問世不久,就有人提出了機器翻譯的設想,隨后就開始了這方面的研究。當時人們總以為只要用一部雙向詞典及一些語法知識就可以實現(xiàn)兩種語言文字間的機器互譯,結果遇到了挫折。例如當把“光陰似箭”的英語句子“Timeflieslikeanarrow”翻譯成日語,然后再翻譯回來的時候,竟變成了“蒼蠅喜歡箭”;又如,當把“心有余而力不足”的英語句子“Thespiritiswillingbutthefleshisweak”翻譯成俄語,然后再翻譯回來時竟變成了“酒是好的,肉變質了”,即“Thewineisgoodbutthemeatisspoiled”。1.7.5機器翻譯48這些問題的出現(xiàn)才使人們發(fā)現(xiàn),機器翻譯并非想像的那么簡單,并使得人們認識到,單純地依靠“查字典”的方法不可能解決翻譯問題,只有在對語義理解的基礎上,才能做到真正的翻譯,所以機器翻譯的真正實現(xiàn),還要靠自然語言理解方面的突破。

這些問題的出現(xiàn)才使人們發(fā)現(xiàn),機器翻譯并非想像的那么簡單491.7.6智能控制智能控制就是把人工智能技術引入控制領域,建立智能控制系統(tǒng)。智能控制具有兩個顯著的特點:第一,智能控制是同時具有知識表示的非數(shù)學廣義世界模型和傳統(tǒng)數(shù)學模型混合表示的控制過程,也往往是含有復雜性、不完全性、模糊性或不確定性以及不存在已知算法的過程,并以知識進行推理,以啟發(fā)來引導求解過程;第二,智能控制的核心在高層控制,即組織級控制,其任務在于對實際環(huán)境或過程進行組織,即決策與規(guī)劃,以實現(xiàn)廣義問題求解。

1.7.6智能控制50智能控制系統(tǒng)的智能可歸納為以下幾方面:(1)先驗智能:有關控制對象及干擾的先驗知識,可以從一開始就考慮在控制系統(tǒng)的設計中。(2)反應性智能:在實時監(jiān)控、辨識及診斷的基礎上,對系統(tǒng)及環(huán)境變化的正確反應能力。(3)優(yōu)化智能:包括對系統(tǒng)性能的先驗性優(yōu)化及反應性優(yōu)化。(4)組織與協(xié)調智能:表現(xiàn)為對并行耦合任務或子系統(tǒng)之間的有效管理與協(xié)調。

智能控制系統(tǒng)的智能可歸納為以下幾方面:51智能控制的開發(fā),目前認為有以下途徑:——基于專家系統(tǒng)的專家智能控制?！谀：评砗陀嬎愕哪：刂??！谌斯ど窠浘W(wǎng)絡的神經網(wǎng)絡控制。

——綜合以上三種方法的綜合型智能控制。

智能控制的開發(fā),目前認為有以下途徑:521.7.7智能管理智能管理就是把人工智能技術引入管理領域,建立智能管理系統(tǒng)。智能管理是現(xiàn)代管理科學技術發(fā)展的新動向。智能管理是人工智能與管理科學、系統(tǒng)工程、計算機技術及通信技術等多學科、多技術互相結合、互相滲透而產生的一門新技術、新學科。它研究如何提高計算機管理系統(tǒng)的智能水平,以及智能管理系統(tǒng)的設計理論、方法與實現(xiàn)技術。智能管理系統(tǒng)是在管理信息系統(tǒng)、辦公自動化系統(tǒng)、決策支持系統(tǒng)的功能集成和技術集成的基礎上,應用人工智能專家系統(tǒng)、知識工程、模式識別、人工神經網(wǎng)絡等方法和技術,進行智能化、集成化、協(xié)調化,設計和實現(xiàn)的新一代的計算機管理系統(tǒng)。

1.7.7智能管理531.7.8智能決策智能決策就是把人工智能技術引入決策過程,建立智能決策支持系統(tǒng)。智能決策支持系統(tǒng)是在20世紀80年代初提出來的。它是決策支持系統(tǒng)與人工智能,特別是專家系統(tǒng)相結合的產物。它既充分發(fā)揮了傳統(tǒng)決策支持系統(tǒng)中數(shù)值分析的優(yōu)勢,也充分發(fā)揮了專家系統(tǒng)中知識及知識處理的特長,既可以進行定量分析,又可以進行定性分析,能有效地解決半結構化和非結構化的問題,從而擴大了決策支持系統(tǒng)的范圍,提高了決策支持系統(tǒng)的能力。

1.7.8智能決策54智能決策支持系統(tǒng)是在傳統(tǒng)決策支持系統(tǒng)的基礎上發(fā)展起來的,由傳統(tǒng)決策支持系統(tǒng)再加上相應的智能部件就構成了智能決策支持系統(tǒng)。智能部件可以有多種模式,例如專家系統(tǒng)模式、知識庫系統(tǒng)模式等。專家系統(tǒng)模式是把專家系統(tǒng)作為智能部件,這是目前比較流行的一種模式。該模式適合于以知識處理為主的問題,但它與決策支持系統(tǒng)的接口比較困難。知識庫系統(tǒng)模式是以知識庫作為智能部件。在這種情況下,決策支持系統(tǒng)就是由模型庫、方法庫、數(shù)據(jù)庫、知識庫組成的四庫系統(tǒng)。這種模式接口比較容易實現(xiàn),其整體性能也較好。

智能決策支持系統(tǒng)是在傳統(tǒng)決策支持系統(tǒng)的基礎上發(fā)展起來的,55一般來說,智能部件中可以包含如下一些知識:——建立決策模型和評價模型的知識。——如何形成候選方案的知識。——建立評價標準的知識?！绾涡拚蜻x方案,從而得到更好候選方案的知識。

——完善數(shù)據(jù)庫,改進對它的操作及維護的知識。

一般來說,智能部件中可以包含如下一些知識:561.7.9智能通信智能通信就是把人工智能技術引入通信領域,建立智能通信系統(tǒng)。智能通信就是在通信系統(tǒng)的各個層次和環(huán)節(jié)上實現(xiàn)智能化。例如在通信網(wǎng)的構建、網(wǎng)管與網(wǎng)控、轉接、信息傳輸與轉換等環(huán)節(jié),都可實現(xiàn)智能化。這樣,網(wǎng)絡就可運行在最佳狀態(tài),使呆板的網(wǎng)變成活化的網(wǎng),使其具有自適應、

自組織、

自學習、

自修復等功能。

1.7.9智能通信571.7.10智能仿真利用人工智能技術能對整個仿真過程(包括建模、實驗運行及結果分析)進行指導,能改善仿真模型的描述能力,在仿真模型中引進知識表示將為研究面向目標的建模語言打下基礎,提高仿真工具面向用戶、面向問題的能力。從另一方面來講,仿真與人工智能相結合可使仿真更有效地用于決策,更好地用于分析、設計及評價知識庫系統(tǒng),從而推動人工智能技術的發(fā)展。正是基于這些方面,近年來,將人工智能特別是專家系統(tǒng)與仿真相結合,就成為仿真領域中一個十分重要的研究方向,引起了大批仿真專家的關注。

1.7.10智能仿真581.7.11智能CAD智能CAD(簡稱ICAD)就是把人工智能技術引入計算機輔助設計領域,建立智能CAD系統(tǒng)。事實上,AI幾乎可以應用到CAD技術的各個方面,從目前發(fā)展的趨勢來看,至少有以下四個方面:(1)設計自動化。(2)智能交互。(3)智能圖形學。(4)自動數(shù)據(jù)采集。

1.7.11智能CAD59從具體技術來看,ICAD技術大致可分為以下幾種方法:(1)規(guī)則生成法。(2)約束滿足方法。(3)搜索法。(4)知識工程方法。(5)形象思維方法。

從具體技術來看,ICAD技術大致可分為以下幾種方法:601.7.12智能制造智能制造就是在數(shù)控技術、柔性制造技術和計算機集成制造技術的基礎上,引入智能技術。智能制造系統(tǒng)由智能加工中心、材料傳送檢測和實驗裝置等智能設備組成。它具有一定的自組織、自學習和自適應能力,能在不可預測的環(huán)境下,基于不確定、不精確、不完全的信息,完成擬人的制造任務,形成高度自動化生產。

1.7.12智能制造611.7.13智能CAI智能CAI就是把人工智能技術引入計算機輔助教學領域,建立智能CAI系統(tǒng),即ICAI。ICAI的特點是能對學生因才施教地進行指導。為此,ICAI應具備下列智能特征:——自動生成各種問題與練習?！鶕?jù)學生的水平和學習情況自動選擇與調整教學內容和進度?！诶斫饨虒W內容的基礎上自動解決問題生成解答。

——具有自然語言的生成和理解能力。

1.7.13智能CAI62——對教學內容有解釋咨詢能力?！茉\斷學生錯誤,分析原因并采取糾正措施?！茉u價學生的學習行為?！懿粩嗟卦诮虒W中改善教學策略。為了實現(xiàn)上述ICAI系統(tǒng),一般把整個系統(tǒng)分成專門知識、教導策略和學生模型等三個基本模塊和一個自然語言的智能接口。

——對教學內容有解釋咨詢能力。631.7.14智能人機接口智能人機接口就是智能化的人機交互界面,也就是將人工智能技術應用于計算機與人的交互界面,使人機界面更加靈性化、擬人化、個性化。顯然,這也是當前人機交互的迫切需要和人機接口技術發(fā)展的必然趨勢。事實上,智能人機接口已成為計算機、網(wǎng)絡和人工智能等學科共同關注和通力合作的研究課題。該課題涉及到機器感知特別是圖形圖像識別與理解、語音識別、自然語言處理、

機器翻譯等諸多AI技術,另外,還涉及到多媒體、

虛擬現(xiàn)實等技術。

1.7.14智能人機接口641.7.15模式識別識別是人和生物的基本智能信息處理能力之一。事實上,我們幾乎無時無刻都在對周圍世界進行著識別。而所謂模式識別,則指的是用計算機進行物體識別。這里的物體一般指文字、符號、圖形、圖像、語音、聲音及傳感器信息等形式的實體對象,而并不包括概念、思想、意識等抽象或虛擬對象,后者的識別屬于心理、認知及哲學等學科的研究范疇。也就是說,這里所說的模式識別是狹義的模式識別,它是人和生物的感知能力在計算機上的模擬和擴展。經過多年的研究,模式識別已發(fā)展成為一個獨立的學科,其應用十分廣泛,諸如信息、遙感、醫(yī)學、影像、安全、軍事等領域,模式識別已經取得了重要成效,特別是基于模式識別而出現(xiàn)的生物認證、數(shù)字水印等新技術正方興未艾。

1.7.15模式識別651.7.16數(shù)據(jù)挖掘與數(shù)據(jù)庫中的知識發(fā)現(xiàn)數(shù)據(jù)挖掘(也稱數(shù)據(jù)開采、數(shù)據(jù)采掘等)和數(shù)據(jù)庫中的知識發(fā)現(xiàn)的本質含義是一樣的,只是前者主要流行于統(tǒng)計、數(shù)據(jù)分析、數(shù)據(jù)庫和信息系統(tǒng)等領域,后者則主要流行于人工智能和機器學習等領域,所以現(xiàn)在有關文獻中一般都把二者同時列出。DM與KDD現(xiàn)已成為人工智能應用的一個熱門領域和研究方向,其涉及范圍非常廣泛,如企業(yè)數(shù)據(jù)、商業(yè)數(shù)據(jù)、

科學實驗數(shù)據(jù)、

管理決策數(shù)據(jù)、Web數(shù)據(jù)等的挖掘和發(fā)現(xiàn)。

1.7.16數(shù)據(jù)挖掘與數(shù)據(jù)庫中的知識發(fā)現(xiàn)661.7.17計算機輔助創(chuàng)新計算機輔助創(chuàng)新(ComputerAidedInnovation,CAI)是以“發(fā)明問題解決理論(TRIZ)”為基礎,結合本體論(Ontology)、現(xiàn)代設計方法學、計算機技術而形成的一種用于技術創(chuàng)新的新手段。近年來,CAI在歐美國家迅速發(fā)展,成為新產品開發(fā)中的一項關鍵性基礎技術。計算機輔助創(chuàng)新可以看做是機器發(fā)明創(chuàng)造的初級形式。

1.7.17計算機輔助創(chuàng)新67TRIZ是由俄語拼寫的單詞首字母組成,用英語也可縮寫為TIPS(TheoryofInventiveProblemSolving)。TRIZ的基本原理是:企業(yè)和科學技術領域中的問題和解決方案是重復出現(xiàn)的;企業(yè)和科學技術領域的發(fā)展變化也是重復出現(xiàn)的;高水平的創(chuàng)新活動經常應用到專業(yè)領域以外的科學知識。因此技術系統(tǒng)的進化遵循客觀的法則群,人們可以應用這些進化法則預測產品的未來發(fā)展趨勢,把握新產品的開發(fā)方向。在解決技術問題時,如果不明確應該使用哪些科學原理法則,則很難找到問題的解決對策。TRIZ就是提供解決問題的科學原理并指明解決問題的探索方向的有效工具。TRIZ是由俄語拼寫的單詞首字母組成,用英語也可縮寫為68基于TRIZ,人們已經開發(fā)出了不少計算機輔助創(chuàng)新軟件,例如:——發(fā)明機器(InventionMachine)公司開發(fā)出TechOptimizer就是一個計算機輔助創(chuàng)新軟件系統(tǒng)。TechOptimizer軟件是基于知識的創(chuàng)新工具,它以TRIZ為基礎,結合現(xiàn)代設計方法學、計算機輔助技術及多學科領域的知識,以分析解決產品及其制造過程中遇到的矛盾為出發(fā)點,從而可解決新產品開發(fā)過程中遇到的技術難題而實現(xiàn)創(chuàng)新,并可為工程技術領域新產品、

新技術的創(chuàng)新提供科學的理論指導,并指明探索方向。

基于TRIZ,人們已經開發(fā)出了不少計算機輔助創(chuàng)新軟件,69——IWINT,Inc.(億維訊)公司的計算機輔助創(chuàng)新設計平臺(Pro/Innovator),它基于TRIZ將發(fā)明創(chuàng)造方法學、現(xiàn)代設計方法學與計算機軟件技術融為一體。它能夠幫助設計者在概念設計階段有效地利用多學科領域的知識,打破思維定勢、拓寬思路、準確發(fā)現(xiàn)現(xiàn)有技術中存在的問題,找到創(chuàng)新性的解決方案,保證產品開發(fā)設計方向正確的同時實現(xiàn)創(chuàng)新。它已成為全球研究機構、知名大學、企業(yè)解決工程技術難題、實現(xiàn)創(chuàng)新的有效工具。這種基于知識的創(chuàng)新工具能幫助技術人員在不同工程領域產品的方案設計階段,根據(jù)市場需求,正確地發(fā)現(xiàn)并迅速解決產品開發(fā)中的關鍵問題,高質量、高效率地提出可行的創(chuàng)新設計方案,并將設計引向正確方向,為廣大企業(yè)提高自主創(chuàng)新能力和實現(xiàn)系統(tǒng)化創(chuàng)新提供行之有效的方法和方便實用的創(chuàng)新工具。

——IWINT,Inc.(億維訊)公司的計算機輔助創(chuàng)新70——基于知識發(fā)現(xiàn)的計算機輔助創(chuàng)新智能系統(tǒng)(CAIISKD),這是國內學者研制的一個以創(chuàng)新工程與價值工程為理論基礎,以知識發(fā)現(xiàn)為技術手段,以專家求解問題的認知過程為主線,以人機交互為貫穿的多層遞階、綜合集成的計算機輔助創(chuàng)新智能系統(tǒng)。

——基于知識發(fā)現(xiàn)的計算機輔助創(chuàng)新智能系統(tǒng)(CAIISKD711.7.18計算機文藝創(chuàng)作在文藝創(chuàng)作方面,人們也嘗試開發(fā)和運用人工智能技術。事實上,現(xiàn)在計算機創(chuàng)作的詩詞、小說、樂曲、繪畫時有報道,例如下面的兩首“古詩”就是計算機創(chuàng)作的。

云松鑾仙玉骨寒,松虬雪友繁。大千收眼底,斯調不同凡。

1.7.18計算機文藝創(chuàng)作云松72(無題)白沙平舟夜?jié)?春日曉露路相逢。朱樓寒雨離歌淚,不堪腸斷雨乘風。(無題)73下面的這篇小說也是計算機創(chuàng)作的。BetrayalDaveStriverlovedtheuniversity.Heloveditsivycoveredclocktowers,itsancientandsturdybrick,anditssunsplashedverdantgreensandeageryouth.Healsolovedthefactthattheuniversityisfreeofthestarkunforgivingtrialsofthebusinessworld-onlythisisn’tafact:Academiahasitsowntests,andsomeareasmercilessasanyinthemarketplace.Aprimeexampleisthedissertationdefense:ToearnthePhD,tobecomeadoctor,onemustpassanoralexaminationonone'sdissertation.ThiswasatestProfessorEdwardHartenjoyedgiving.下面的這篇小說也是計算機創(chuàng)作的。74Davewanteddesperatelytobeadoctor.Butheneededthesignaturesofthreepeopleonthefirstpageofhisdissertation,thepricelessinscriptionsthat,together,wouldcertifythathehadpassedhisdefense.OneofthesignatureshadtocomefromProfessorHart,andHarthadoftensaid-toothersandtohimselfthathewashonoredtohelpDavesecurehiswell-earneddream.Wellbeforethedefense,StrivergaveHartapenultimatecopyofhisthesis.HartreaditandtoldDavethatitwasabsolutelyfirstrate,andthathewouldgladlysignitatthedefense.TheyevenshookhandsinHart’sbooklinedoffice.DavenoticedthatHart’seyeswerebrightandtrustful,andhisbearingpaternal.Davewanteddesperatelytob75Atthedefense,Davethoughtthatheeloquentlysummarizedchapter3ofhisdissertation.Thereweretwoquestions,onefromProfessorRodmanandonefromDr.Teer;Daveansweredboth,apparentlytoeveryone’ssatisfaction.Therewerenofurtherobjections.ProfessorRodmansigned.HeslidthetometoTeer;shetoosigned,andthensliditinfrontofHart.Hartdidn’tmove.“Ed?”Rodmansaid.Hartstillsatmotionless.Davefeltslightlydizzy.“Edward,areyougoingtosign?”Later,Hartsataloneinhisofficeinhisbigleatherchair,saddenedbyDave’sfailure.HetriedtothinkofwayshecouldhelpDaveachievehisdream.Atthedefense,Davethought76其中文譯文為

背

叛

戴夫·斯特賴維爾喜愛這所大學。他喜愛校園里爬滿常青藤的鐘樓,那古色古香而又堅固的磚塊,還有那灑滿陽光的碧綠草坪和熱情的年輕人。使他感到欣慰的還有這樣一件事,即大學里完全沒有商場上那些冷酷無情的考驗——但事實恰恰并非如此:做學問也要通過考試,而且有的考試與市場上的考驗一樣不留情面。最好的例子就是論文答辯:為了取得博士學位,為了成為博士,博士生必須通過論文的口試,愛德華·哈特教授就喜歡主持這樣的答辯考試。

其中文譯文為背叛戴夫·斯特賴維爾喜愛這所大學。他77戴夫迫切希望成為一名博士。但他需要讓３個人在他論文的第一頁上簽上他們的名字,這３個千金難買的簽名能夠證明他通過了答辯。其中一個簽名是哈特教授的。哈特常常對戴夫本人和其他人說,對于幫助戴夫實現(xiàn)他應該有的夢想,他感到很榮幸。答辯之前,斯特賴維爾早早給哈特送去了他論文的倒數(shù)第二稿。哈特閱讀后告訴戴夫,論文水平絕對一流,答辯時他會很高興地在論文上簽名。在哈特那四壁擺滿書櫥的辦公室里,兩人甚至還握了手。戴夫注意到,哈特兩眼放光,充滿信任,神情宛如慈父一般。

戴夫迫切希望成為一名博士。但他需要讓３個人在他論文的第一78在答辯時,戴夫覺得自己流利地概括了論文的第三章。評審者提了兩個問題,一個是羅德曼教授提的,另一個是蒂爾博士提的。戴夫分別做了回答,并且顯然讓每個人都心悅誠服,再沒有人提出異議。羅德曼教授簽了名。他把論文推給蒂爾,她也簽上了名字,接著便把本子推到了哈特跟前。哈特沒有動?！皭鄣氯A？”羅德曼問道。哈特仍然坐在那兒,毫無表情。戴夫感到有點眩暈?！皭鄣氯A,你打算簽名嗎？”過后,哈特一個人呆在辦公室里,坐在那張寬大的皮椅里,他為戴夫未能通過答辯感到難過。他試圖想出幫助戴夫實現(xiàn)他夢想的辦法。

在答辯時,戴夫覺得自己流利地概括了論文的第三章。評審791.7.19機器博弈機器博弈是人工智能最早的研究領域之一,而且一直久經不衰。早在人工智能學科建立的當年——1956年,塞繆爾就研制成功了一個跳棋程序。三年后的1959年,裝有這個程序的計算機就擊敗了塞繆爾本人,1962年又擊敗了美國一個州的冠軍。1997年IBM的“深藍”計算機以2勝3平1負的戰(zhàn)績擊敗了蟬聯(lián)12年之久的世界國際象棋冠軍加里·卡斯帕羅夫,轟動了全世界。2001年,德國的“更弗里茨”國際象棋軟件更是擊敗了當時世界排名前10位棋手中的9位,計算機的搜索速度達到創(chuàng)紀錄的600萬步每秒。1.7.19機器博弈80機器人足球賽是機器博弈的另一個戰(zhàn)場。近年來,國際大賽不斷,盛況空前?，F(xiàn)在這一賽事已波及到全世界的許多大專院校,激起了大學生們的極大興趣和熱情。

事實表明,機器博弈現(xiàn)在已經不再僅僅是人工智能專家們研究的課題,而且已經進入了人們的文化生活。機器博弈是對機器智能水平的測試和檢驗,它的研究將有力推動人工智能技術的發(fā)展。

機器人足球賽是機器博弈的另一個戰(zhàn)場。近年來,國際大賽811.7.20智能機器人智能機器人也是當前人工智能領域一個十分重要的應用領域和熱門的研究方向。由于它直接面向應用,社會效益強,所以,其發(fā)展非常迅速。事實上,有關機器人的報道,近年來在媒體上已頻頻出現(xiàn)。諸如工業(yè)機器人、太空機器人、水下機器人、家用機器人、軍用機器人、服務機器人、醫(yī)療機器人、運動機器人、助理機器人、機器人足球賽、機器人象棋賽

……,幾乎應有盡有。

1.7.20智能機器人82智能機器人的研制幾乎需要所有的人工智能技術,而且還涉及其他許多科學技術部門和領域。所以,智能機器人是人工智能技術的綜合應用,其能力和水平已經成為人工智能技術水平甚至人類科學技術綜合水平的一個代表和體現(xiàn)。需要指出的是,以上我們僅給出了人工智能應用的部分領域和課題。其實,當今的人工智能研究與實際應用的結合越來越緊密,受應用的驅動越來越明顯?，F(xiàn)在的人工智能技術已同整個計算機科學技術緊密地結合在一起了,其應用也與傳統(tǒng)的計算機應用越來越相互融合了,有的則直接面向應用。歸納起來,形成了以下幾條主線:智能機器人的研制幾乎需要所有的人工智能技術,而且還涉及83——從專家(知識)系統(tǒng)到Agent系統(tǒng)和智能機器人系統(tǒng)?！獜臋C器學習到數(shù)據(jù)挖掘和數(shù)據(jù)庫中的知識發(fā)現(xiàn)?！獜幕趫D搜索的問題求解到基于各種智能算法的問題求解?！獜膯螜C環(huán)境下的智能程序到以Internet和WWW為平臺的分布式智能系統(tǒng)?！獜闹悄芗夹g的單一應用到各種各樣的智能產品和智能工程(如智能交通、智能建筑)。

——從專家(知識)系統(tǒng)到Agent系統(tǒng)和智能機器人系統(tǒng)841.8人工智能的分支領域與研究方向

——從模擬的智能層次和所用的方法來看,人工智能可分為符號智能和計算智能兩大主要分支領域。而這兩大領域各自又有一些子領域和研究方向。如符號智能中又有圖搜索、自動推理、不確定性推理、知識工程、符號學習等。計算智能中又有神經計算、進化計算、免疫計算、蟻群算法、粒群算法、

自然計算等。另外，智能Agent也是人工智能的一個新興的重要領域。

智能Agent（或者說Agent智能）是以符號智能和計算智能為基礎的更高一級的人工智能。

1.8人工智能的分支領域與研究方向——從模擬的智能層85——從模擬的腦智能或腦功能來看,AI中有機器學習、機器感知、機器聯(lián)想、機器推理、機器行為等分支領域。而機器學習又可分為符號學習、連接學習、統(tǒng)計學習等許多研究領域和方向。機器感知又可分為計算機視覺、計算機聽覺、模式識別、圖像識別與理解、語音識別、自然語言處理等領域和方向。——從應用角度看,如1.7節(jié)所述,AI中有難題求解等數(shù)十種分支領域和研究方向。

——從模擬的腦智能或腦功能來看,AI中有機器學習、機器86——從系統(tǒng)角度看,AI中有智能計算機系統(tǒng)和智能應用系統(tǒng)兩大領域。智能計算機系統(tǒng)又可分為:智能硬件平臺、智能操作系統(tǒng)、智能網(wǎng)絡系統(tǒng)等。智能應用系統(tǒng)又可分為:基于知識的智能系統(tǒng)、基于算法的智能系統(tǒng)和兼有知識和算法的智能系統(tǒng)等。另外,還有分布式人工智能系統(tǒng)?！獜幕A理論看,AI中有數(shù)理邏輯和多種非標準邏輯、圖論、人工神經網(wǎng)絡、模糊集、粗糙集、概率統(tǒng)計(貝葉斯統(tǒng)計決策理論)和貝葉斯網(wǎng)絡、統(tǒng)計學習理論與支持向量機、形式語言與自動機等領域和方向。

——從系統(tǒng)角度看,AI中有智能計算機系統(tǒng)和智能應用系統(tǒng)871.9人工智能的發(fā)展概況

1.9.1人工智能學科的產生現(xiàn)在公認,人工智能學科正式誕生于1956年。1956年夏季,由美國達特莫斯(Dartmouth)大學的麥卡錫(JohnMcCarthy)、哈佛大學的明斯基(MarvinMinsky)、IBM公司信息研究中心的洛切斯特(NathanielRochester)、貝爾實驗室的申農(ClaudeShannon)共同發(fā)起,邀請IBM公司的莫爾(T.More)和塞繆爾(AllenSamuel)、麻省理工學院的塞爾夫里奇(O.Selfridge)和索羅門夫(R.Solomonff)以及蘭德公司和卡內基工科大學的紐厄爾(A.Newell)、西蒙(H.A.Simon)等,共十位來自數(shù)學、心理學、神經生理學、信息論和計算機等方面的學者和工程師,在達特莫斯大學召開了一次歷時兩個月的研究會,討論關于機器智能的有關問題。會上經麥卡錫提議正式采用了“人工智能”這一術語。從此,一門新興的學科便正式誕生了。

1.9人工智能的發(fā)展概況1.9.1人工智能學科的產生88需要指出的是,人工智能學科雖然正式誕生于1956年的這次學術研討會,但實際上它是邏輯學、心理學、計算機科學、腦科學、神經生理學、信息科學等學科發(fā)展的必然趨勢和必然結果。單就計算機來看,其功能從數(shù)值計算到數(shù)據(jù)處理,再下去必然是知識處理。實際上就其當時的水平而言,也可以說計算機已具有某種智能的成分了。能自動地進行復雜的數(shù)值計算和數(shù)據(jù)處理,難道這不是具有智能的表現(xiàn)嗎？

需要指出的是,人工智能學科雖然正式誕生于1956年的這89另一方面,實現(xiàn)人工智能這也是人類自古以來的渴望和夢想。據(jù)史書《列子·湯問》篇記載,遠在公元前九百多年前的我國西周時期,周穆王曾路遇一個名叫偃師的匠人,他獻給穆王一個“機器人”,這個“機器人”能走路、唱歌、跳舞,使穆王誤以為是一個真人。這雖然是一個傳說,但卻反映了人類很早就有人工智能的設想。在現(xiàn)代,當電子計算機剛問世不久,天才的英國科學家圖靈就于1950年發(fā)表了題為“計算機與智能”的論文,提出了著名的“圖靈測驗”,為人工智能提出了更為明確的設計目標和測試準則。

另一方面,實現(xiàn)人工智能這也是人類自古以來的渴望和夢想。901.9.2符號主義途徑發(fā)展概況1956年之后的10多年間,人工智能的研究取得了許多引人矚目的成就。從符號主義的研究途徑來看,主要有:——1956年,美國的紐厄爾、肖和西蒙合作編制了一個名為邏輯理論機(LogicTheoryMachine,簡稱LT)的計算機程序系統(tǒng)。該程序模擬了人用數(shù)理邏輯證明定理時的思維規(guī)律。利用LT紐厄爾等人證明了懷特海和羅素的名著——《數(shù)學原理》第2章中的38條定理(1963年在另一臺機器上證明了全部52條定理)。而美籍華人、數(shù)理邏輯學家王浩于1958年在IBM[CD*2]704計算機上用3～5分鐘證明了《數(shù)學原理》中有關命題演算的全部定理(220條),并且還證明了謂詞演算中150條定理的85%。

1.9.2符號主義途徑發(fā)展概況91——1956年,塞繆爾研制成功了具有自學習、自組織、自適應能力的跳棋程序。這個程序能從棋譜中學習,也能從下棋實踐中提高棋藝,1959年它擊敗了塞繆爾本人,1962年又擊敗了美國一個州的冠軍?！?959年,籍勒洛特發(fā)表了證明平面幾何問題的程序,塞爾夫里奇推出了一個模式識別程序;1965年羅伯特(Roberts)編制出了可以分辨積木構造的程序。

——1956年,塞繆爾研制成功了具有自學習、自組織、92——1960年,紐厄爾、肖和西蒙等人通過心理學試驗總結出了人們求解問題的思維規(guī)律,編制了通用問題求解程序(GeneralProblemSolving,GPS)。該程序可以求解11種不同類型的問題?！?960年,麥卡錫研制成功了面向人工智能程序設計的表處理語言LISP。該語言以其獨特的符號處理功能,很快在人工智能界風靡起來。它武裝了一代人工智能學者,至今仍然是人工智能研究的一個有力工具。——1965年,魯賓遜(Robinson)提出了消解原理(resolutionprinciple),為定理的機器證明做出了突破性的貢獻。

——1960年,紐厄爾、肖和西蒙等人通過心理學試驗總結9320世紀80年代后,專家系統(tǒng)與知識工程在理論、技術和應用方面都有了長足的進步和發(fā)展。專家系統(tǒng)的建造進入應用高級開發(fā)工具時期。專家系統(tǒng)結構和規(guī)模也在不斷擴大,出現(xiàn)了所謂的多專家系統(tǒng)、大型專家系統(tǒng)、微專家系統(tǒng)和分布式專家系統(tǒng)等等。同時,知識表示、不精確推理、機器學習等方面也都取得了重要進展。各個應用領域的專家系統(tǒng)更如雨后春筍般地在世界各地不斷涌現(xiàn)。進一步,還出現(xiàn)了不限于專家知識的所謂基于知識的系統(tǒng)(KnowledgeBasedSystem,KBS)和知識庫系統(tǒng)(KnowledgeBaseSystem,KBS)?，F(xiàn)在,專家系統(tǒng)、知識工程的技術已應用于各種計算機應用系統(tǒng),出現(xiàn)了智能管理信息系統(tǒng)、智能決策支持系統(tǒng)、智能控制系統(tǒng)、智能CAD系統(tǒng)、智能CAI系統(tǒng)、智能數(shù)據(jù)庫系統(tǒng)、智能多媒體系統(tǒng)等等。

20世紀80年代后,專家系統(tǒng)與知識工程在理論、技術和應用941.9.3連接主義途徑發(fā)展概況從連接主義的研究途徑看,早在20世紀40年代,就有一些學者開始了神經元及其數(shù)學模型的研究。例如,1943年心理學家McCulloch和數(shù)學家Pitts提出了形式神經元的數(shù)學模型——現(xiàn)在稱之為MP模型,1944年Hebb提出了改變神經元連接強度的Hebb規(guī)則。MP模型和Hebb規(guī)則至今仍在各種神經網(wǎng)絡中起重要作用。

1.9.3連接主義途徑發(fā)展概況95作為人工智能創(chuàng)始人之一的著名學者明斯基(Minsky)應用數(shù)學理論對以感知器為代表的簡單網(wǎng)絡作了深入的分析,于1969年他與白伯脫(Papert)共同發(fā)表了頗有影響的《Perceptrons》一書。書中證明了那時使用的單層人工神經網(wǎng)絡,無法實現(xiàn)一個簡單的異或門(XOR)所完成的功能。因而明斯基本人也對神經網(wǎng)絡的前景持悲觀態(tài)度。由于明斯基的理論證明和個人的威望,這本書的影響很大,使許多學者放棄了在該領域中的繼續(xù)努力,政府機構也改變基金資助的投向。另一方面,由于在此期間,人工智能的基于邏輯與符號推理途徑的研究不斷取得進展和成功,也掩蓋了發(fā)展新途徑的必要性和迫切性,于是,神經網(wǎng)絡的研究進入低谷。

作為人工智能創(chuàng)始人之一的著名學者明斯基(Minsky)應96經過這些科學家的艱苦探索,神經網(wǎng)絡的理論和技術在經過近20年的暗淡時期后終于有了新的突破和驚人的成果。1985年美國霍布金斯大學的賽諾斯(T.Sejnowsk)開發(fā)了名為NETtalk英語讀音學習用的神經網(wǎng)絡處理器,輸入為最多由7個字母組成的英語單詞,輸出為其發(fā)音,由于該處理器自己可以學習許多發(fā)音規(guī)則,因此從一無所知起步,經過3個月的學習所達到的水平已可同經過20年研制成功的語音合成系統(tǒng)相媲美。同年,美國物理學家霍普菲爾特(J.Hopfield)用神經網(wǎng)絡迅速求得了巡回推銷員路線問題(即旅行商問題)的準優(yōu)解,顯示它在求解“難解問題”上的非凡能力。

經過這些科學家的艱苦探索,神經網(wǎng)絡的理論和技術在經過近97實際上,早在1962年,霍普菲爾特就提出了著名的HNN模型。在這個模型中,他引入了“計算能量函數(shù)”的概念,給出了網(wǎng)絡穩(wěn)定性判據(jù),從而開拓了神經網(wǎng)絡用于聯(lián)想記憶和優(yōu)化計算的新途徑。此外,還有不少成功的例子，這些重大突破和成功,轟動了世界，人們開始對冷落了近20年的神經網(wǎng)絡又刮目相看了。另一方面,在這一時期,雖然在符號主義途