人工智能是計算機(jī)科學(xué)的一個分支,它企圖了解智能的實質(zhì),并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器,該領(lǐng)域的研究包括機(jī)器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。人工智能從誕生以來,理論和技術(shù)日益成熟,應(yīng)用領(lǐng)域也不斷擴(kuò)大,可以設(shè)想,未來人工智能帶來的科技產(chǎn)品,將會是人類智慧的“容器”。人工智能可以對人的意識、思維的信息過程的模擬。人工智能不是人的智能,但能像人那樣思考、也可能超過人的智能。
人工智能是一門極富挑戰(zhàn)性的科學(xué),從事這項工作的人必須懂得計算機(jī)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(jī)器學(xué)習(xí),計算機(jī)視覺等等,總的說來,人工智能研究的一個主要目標(biāo)是使機(jī)器能夠勝任一些通常需要人類智能才能完成的復(fù)雜工作。但不同的時代、不同的人對這種“復(fù)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”。
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。有時我們會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有高到可以創(chuàng)造人工智能的地步,等等。但總的來說,“人工系統(tǒng)”就是通常意義下的人工系統(tǒng)。
關(guān)于什么是“智能”,就問題多多了。這涉及到其它諸如意識(CONSCIOUSNESS)、自我(SELF)、思維(MIND)(包括無意識的思維(UNCONSCIOUS_MIND))等等問題。人唯一了解的智能是人本身的智能,這是普遍認(rèn)同的觀點。但是我們對我們自身智能的理解都非常有限,對構(gòu)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)于動物或其它人造系統(tǒng)的智能也普遍被認(rèn)為是人工智能相關(guān)的研究課題。
人工智能在計算機(jī)領(lǐng)域內(nèi),得到了愈加廣泛的重視。并在機(jī)器人,經(jīng)濟(jì)政治決策,控制系統(tǒng),仿真系統(tǒng)中得到應(yīng)用。
尼爾遜教授對人工智能下了這樣一個定義:“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)。”而另一個美國麻省理工學(xué)院的溫斯頓教授認(rèn)為:“人工智能就是研究如何使計算機(jī)去做過去只有人才能做的智能工作。”這些說法反映了人工智能學(xué)科的基本思想和基本內(nèi)容。即人工智能是研究人類智能活動的規(guī)律,構(gòu)造具有一定智能的人工系統(tǒng),研究如何讓計算機(jī)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(yīng)用計算機(jī)的軟硬件來模擬人類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(jī)學(xué)科的一個分支,二十世紀(jì)七十年代以來被稱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(rèn)為是二十一世紀(jì)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(yīng)用,并取得了豐碩的成果,人工智能已逐步成為一個獨(dú)立的分支,無論在理論和實踐上都已自成一個系統(tǒng)。
人工智能是研究使計算機(jī)來模擬人的某些思維過程和智能行為(如學(xué)習(xí)、推理、思考、規(guī)劃等)的學(xué)科,主要包括計算機(jī)實現(xiàn)智能的原理、制造類似于人腦智能的計算機(jī),使計算機(jī)能實現(xiàn)更高層次的應(yīng)用。人工智能將涉及到計算機(jī)科學(xué)、心理學(xué)、哲學(xué)和語言學(xué)等學(xué)科??梢哉f幾乎是自然科學(xué)和社會科學(xué)的所有學(xué)科,其范圍已遠(yuǎn)遠(yuǎn)超出了計算機(jī)科學(xué)的范疇,人工智能與思維科學(xué)的關(guān)系是實踐和理論的關(guān)系,人工智能是處于思維科學(xué)的技術(shù)應(yīng)用層次,是它的一個應(yīng)用分支。從思維觀點看,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(shù)學(xué)常被認(rèn)為是多種學(xué)科的基礎(chǔ)科學(xué),數(shù)學(xué)也進(jìn)入語言、思維領(lǐng)域,人工智能學(xué)科也必須借用數(shù)學(xué)工具,數(shù)學(xué)不僅在標(biāo)準(zhǔn)邏輯、模糊數(shù)學(xué)等范圍發(fā)揮作用,數(shù)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]
研究價值
具有人工智能的機(jī)器人
具有人工智能的機(jī)器人
例如繁重的科學(xué)和工程計算本來是要人腦來承擔(dān)的,如今計算機(jī)不但能完成這種計算,而且能夠比人腦做得更快、更準(zhǔn)確,因此當(dāng)代人已不再把這種計算看作是“需要人類智能才能完成的復(fù)雜任務(wù)”,可見復(fù)雜工作的定義是隨著時代的發(fā)展和技術(shù)的進(jìn)步而變化的,人工智能這門科學(xué)的具體目標(biāo)也自然隨著時代的變化而發(fā)展。它一方面不斷獲得新的進(jìn)展,另一方面又轉(zhuǎn)向更有意義、更加困難的目標(biāo)。
通常,“機(jī)器學(xué)習(xí)”的數(shù)學(xué)基礎(chǔ)是“統(tǒng)計學(xué)”、“信息論”和“控制論”。還包括其他非數(shù)學(xué)學(xué)科。這類“機(jī)器學(xué)習(xí)”對“經(jīng)驗”的依賴性很強(qiáng)。計算機(jī)需要不斷從解決一類問題的經(jīng)驗中獲取知識,學(xué)習(xí)策略,在遇到類似的問題時,運(yùn)用經(jīng)驗知識解決問題并積累新的經(jīng)驗,就像普通人一樣。我們可以將這樣的學(xué)習(xí)方式稱之為“連續(xù)型學(xué)習(xí)”。但人類除了會從經(jīng)驗中學(xué)習(xí)之外,還會創(chuàng)造,即“跳躍型學(xué)習(xí)”。這在某些情形下被稱為“靈感”或“頓悟”。一直以來,計算機(jī)最難學(xué)會的就是“頓悟”?;蛘咴賴?yán)格一些來說,計算機(jī)在學(xué)習(xí)和“實踐”方面難以學(xué)會“不依賴于量變的質(zhì)變”,很難從一種“質(zhì)”直接到另一種“質(zhì)”,或者從一個“概念”直接到另一個“概念”。正因為如此,這里的“實踐”并非同人類一樣的實踐。人類的實踐過程同時包括經(jīng)驗和創(chuàng)造。
這是智能化研究者夢寐以求的東西。
2013年,帝金數(shù)據(jù)普數(shù)中心數(shù)據(jù)研究員S.C WANG開發(fā)了一種新的數(shù)據(jù)分析方法,該方法導(dǎo)出了研究函數(shù)性質(zhì)的新方法。作者發(fā)現(xiàn),新數(shù)據(jù)分析方法給計算機(jī)學(xué)會“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(dāng)有效的途徑。這種途徑是數(shù)學(xué)賦予的,是普通人無法擁有但計算機(jī)可以擁有的“能力”。從此,計算機(jī)不僅精于算,還會因精于算而精于創(chuàng)造。計算機(jī)學(xué)家們應(yīng)該斬釘截鐵地剝奪“精于創(chuàng)造”的計算機(jī)過于全面的操作能力,否則計算機(jī)真的有一天會“反捕”人類。
當(dāng)回頭審視新方法的推演過程和數(shù)學(xué)的時候,作者拓展了對思維和數(shù)學(xué)的認(rèn)識。數(shù)學(xué)簡潔,清晰,可靠性、模式化強(qiáng)。在數(shù)學(xué)的發(fā)展史上,處處閃耀著數(shù)學(xué)大師們創(chuàng)造力的光輝。這些創(chuàng)造力以各種數(shù)學(xué)定理或結(jié)論的方式呈現(xiàn)出來,而數(shù)學(xué)定理最大的特點就是:建立在一些基本的概念和公理上,以模式化的語言方式表達(dá)出來的包含豐富信息的邏輯結(jié)構(gòu)。應(yīng)該說,數(shù)學(xué)是最單純、最直白地反映著(至少一類)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(nóng)等為首的一批有遠(yuǎn)見卓識的年輕科學(xué)家在一起聚會,共同研究和探討用機(jī)器模擬智能的一系列有關(guān)問題,并首次提出了“人工智能”這一術(shù)語,它標(biāo)志著“人工智能”這門新興學(xué)科的正式誕生。IBM公司“深藍(lán)”電腦擊敗了人類的世界國際象棋冠軍更是人工智能技術(shù)的一個完美表現(xiàn)。
從1956年正式提出人工智能學(xué)科算起,50多年來,取得長足的發(fā)展,成為一門廣泛的交叉和前沿科學(xué)。總的說來,人工智能的目的就是讓計算機(jī)這臺機(jī)器能夠像人一樣思考。如果希望做出一臺能夠思考的機(jī)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(jī)器才是智慧的呢?科學(xué)家已經(jīng)作出了汽車,火車,飛機(jī),收音機(jī)等等,它們模仿我們身體器官的功能,但是能不能模仿人類大腦的功能呢?到目前為止,我們也僅僅知道這個裝在我們天靈蓋里面的東西是由數(shù)十億個神經(jīng)細(xì)胞組成的器官,我們對這個東西知之甚少,模仿它或許是天下最困難的事情了。
當(dāng)計算機(jī)出現(xiàn)后,人類開始真正有了一個可以模擬人類思維的工具,在以后的歲月中,無數(shù)科學(xué)家為這個目標(biāo)努力著。如今人工智能已經(jīng)不再是幾個科學(xué)家的專利了,全世界幾乎所有大學(xué)的計算機(jī)系都有人在研究這門學(xué)科,學(xué)習(xí)計算機(jī)的大學(xué)生也必須學(xué)習(xí)這樣一門課程,在大家不懈的努力下,如今計算機(jī)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(lán)(DEEP BLUE)計算機(jī)戰(zhàn)勝了國際象棋大師卡斯帕洛夫(KASPAROV)。大家或許不會注意到,在一些地方計算機(jī)幫助人進(jìn)行其它原來只屬于人類的工作,計算機(jī)以它的高速和準(zhǔn)確為人類發(fā)揮著它的作用。人工智能始終是計算機(jī)科學(xué)的前沿學(xué)科,計算機(jī)編程語言和其它計算機(jī)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
實際應(yīng)用
機(jī)器視覺,指紋識別,人臉識別,視網(wǎng)膜識別,虹膜識別,掌紋識別,專家系統(tǒng),自動規(guī)劃,智能搜索,定理證明,博弈,自動程序設(shè)計,智能控制,機(jī)器人學(xué),語言和圖像理解,遺傳編程等。
學(xué)科范疇
人工智能是一門邊緣學(xué)科,屬于自然科學(xué)和社會科學(xué)的交叉。
涉及學(xué)科
哲學(xué)和認(rèn)知科學(xué),數(shù)學(xué),神經(jīng)生理學(xué),心理學(xué),計算機(jī)科學(xué),信息論,控制論,不定性論
研究范疇
自然語言處理,知識表現(xiàn),智能搜索,推理,規(guī)劃,機(jī)器學(xué)習(xí),知識獲取,組合調(diào)度問題,感知問題,模式識別,邏輯程序設(shè)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(fù)雜系統(tǒng),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(jié)構(gòu)模擬,仿照人腦的結(jié)構(gòu)機(jī)制,制造出“類人腦”的機(jī)器;二是功能模擬,暫時撇開人腦的內(nèi)部結(jié)構(gòu),而從其功能過程進(jìn)行模擬?,F(xiàn)代電子計算機(jī)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(jì)危機(jī)后,美日歐希望借機(jī)器人等實現(xiàn)再工業(yè)化,工業(yè)機(jī)器人以比以往任何時候更快的速度發(fā)展,更加帶動了弱人工智能和相關(guān)領(lǐng)域產(chǎn)業(yè)的不斷突破,很多必須用人來做的工作如今已經(jīng)能用機(jī)器人實現(xiàn)。
而強(qiáng)人工智能則暫時處于瓶頸,還需要科學(xué)家們和人類的努力。
技術(shù)研究
用來研究人工智能的主要物質(zhì)基礎(chǔ)以及能夠?qū)崿F(xiàn)人工智能技術(shù)平臺的機(jī)器就是計算機(jī),人工智能的發(fā)展歷史是和計算機(jī)科學(xué)技術(shù)的發(fā)展史聯(lián)系在一起的。除了計算機(jī)科學(xué)以外,人工智能還涉及信息論、控制論、自動化、仿生學(xué)、生物學(xué)、心理學(xué)、數(shù)理邏輯、語言學(xué)、醫(yī)學(xué)和哲學(xué)等多門學(xué)科。人工智能學(xué)科研究的主要內(nèi)容包括:知識表示、自動推理和搜索方法、機(jī)器學(xué)習(xí)和知識獲取、知識處理系統(tǒng)、自然語言理解、計算機(jī)視覺、智能機(jī)器人、自動程序設(shè)計等方面。
研究方法
如今沒有統(tǒng)一的原理或范式指導(dǎo)人工智能研究。許多問題上研究者都存在爭論。其中幾個長久以來仍沒有結(jié)論的問題是:是否應(yīng)從心理或神經(jīng)方面模擬人工智能?或者像鳥類生物學(xué)對于航空工程一樣,人類生物學(xué)對于人工智能研究是沒有關(guān)系的?智能行為能否用簡單的原則(如邏輯或優(yōu)化)來描述?還是必須解決大量完全無關(guān)的問題?
智能是否可以使用高級符號表達(dá),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(yīng)歸類為SYNTHETIC INTELLIGENCE,這個概念后來被某些非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(jì)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(gòu)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)會會議.直到1960, 大部分人已經(jīng)放棄這個方法,盡管在80年代再次提出這些原理。
符號處理
主條目:GOFAI
當(dāng)20世紀(jì)50年代,數(shù)字計算機(jī)研制成功,研究者開始探索人類智能是否能簡化成符號處理。研究主要集中在卡內(nèi)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(dú)立的研究風(fēng)格。JOHN HAUGELAND稱這些方法為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(qiáng)人工智能的機(jī)器,同時這也是他們的目標(biāo)。
認(rèn)知模擬經(jīng)濟(jì)學(xué)家赫伯特·西蒙和艾倫·紐厄爾研究人類問題解決能力和嘗試將其形式化,同時他們?yōu)槿斯ぶ悄艿幕驹泶蛳禄A(chǔ),如認(rèn)知科學(xué), 運(yùn)籌學(xué)和經(jīng)營科學(xué)。他們的研究團(tuán)隊使用心理學(xué)實驗的結(jié)果開發(fā)模擬人類解決問題方法的程序。這方法一直在卡內(nèi)基梅隆大學(xué)沿襲下來,并在80年代于SOAR發(fā)展到高峰。基于邏輯不像艾倫·紐厄爾和赫伯特·西蒙,JOHN MCCARTHY認(rèn)為機(jī)器不需要模擬人類的思想,而應(yīng)嘗試找到抽象推理和解決問題的本質(zhì),不管人們是否使用同樣的算法。他在斯坦福大學(xué)的實驗室致力于使用形式化邏輯解決多種問題,包括知識表示, 智能規(guī)劃和機(jī)器學(xué)習(xí). 致力于邏輯方法的還有愛丁堡大學(xué),而促成歐洲的其他地方開發(fā)編程語言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(xiàn)要解決計算機(jī)視覺和自然語言處理的困難問題,需要專門的方案-他們主張不存在簡單和通用原理(如邏輯)能夠達(dá)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一個復(fù)雜的概念。基于知識大約在1970年出現(xiàn)大容量內(nèi)存計算機(jī),研究者分別以三個方法開始把知識構(gòu)造成應(yīng)用軟件。這場“知識革命”促成專家系統(tǒng)的開發(fā)與計劃,這是第一個成功的人工智能軟件形式。“知識革命”同時讓人們意識到許多簡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(rèn)為符號系統(tǒng)永遠(yuǎn)不可能模仿人類所有的認(rèn)知過程,特別是感知,機(jī)器人,機(jī)器學(xué)習(xí)和模式識別。很多研究者開始關(guān)注子符號方法解決特定的人工智能問題。
自下而上, 接口AGENT,嵌入環(huán)境(機(jī)器人),行為主義,新式AI機(jī)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注于機(jī)器人移動和求生等基本的工程問題。他們的工作再次關(guān)注早期控制論研究者的觀點,同時提出了在人工智能中使用控制理論。這與認(rèn)知科學(xué)領(lǐng)域中的表征感知論點是一致的:更高的智能需要個體的表征(如移動,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(jié)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(tǒng)計學(xué)法
90年代,人工智能研究發(fā)展出復(fù)雜的數(shù)學(xué)工具來解決特定的分支問題。這些工具是真正的科學(xué)方法,即這些方法的結(jié)果是可測量的和可驗證的,同時也是人工智能成功的原因。共用的數(shù)學(xué)語言也允許已有學(xué)科的合作(如數(shù)學(xué),經(jīng)濟(jì)或運(yùn)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)太專注于特定的問題,而沒有考慮長遠(yuǎn)的強(qiáng)人工智能目標(biāo)。
集成方法
智能AGENT范式智能AGENT是一個會感知環(huán)境并作出行動以達(dá)致目標(biāo)的系統(tǒng)。最簡單的智能AGENT是那些可以解決特定問題的程序。更復(fù)雜的AGENT包括人類和人類組織(如公司)。這些范式可以讓研究者研究單獨(dú)的問題和找出有用且可驗證的方案,而不需考慮單一的方法。一個解決特定問題的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。范式同時也給研究者提供一個與其他領(lǐng)域溝通的共同語言--如決策論和經(jīng)濟(jì)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(jié)構(gòu)和認(rèn)知體系結(jié)構(gòu)研究者設(shè)計出一些系統(tǒng)來處理多ANGENT系統(tǒng)中智能AGENT之間的相互作用。一個系統(tǒng)中包含符號和子符號部分的系統(tǒng)稱為混合智能系統(tǒng) ,而對這種系統(tǒng)的研究則是人工智能系統(tǒng)集成。分級控制系統(tǒng)則給反應(yīng)級別的子符號AI 和最高級別的傳統(tǒng)符號AI提供橋梁,同時放寬了規(guī)劃和世界建模的時間。RODNEY BROOKS的SUBSUMPTION ARCHITECTURE就是一個早期的分級系統(tǒng)計劃。
智能模擬
機(jī)器視、聽、觸、感覺及思維方式的模擬:指紋識別,人臉識別,視網(wǎng)膜識別,虹膜識別,掌紋識別,專家系統(tǒng),智能搜索,定理證明,邏輯推理,博弈,信息感應(yīng)與辨證處理。
學(xué)科范疇
人工智能是一門邊沿學(xué)科,屬于自然科學(xué)、社會科學(xué)、技術(shù)科學(xué)三向交叉學(xué)科。
涉及學(xué)科
哲學(xué)和認(rèn)知科學(xué),數(shù)學(xué),神經(jīng)生理學(xué),心理學(xué),計算機(jī)科學(xué),信息論,控制論,不定性論,仿生學(xué),社會結(jié)構(gòu)學(xué)與科學(xué)發(fā)展觀。
研究范疇
語言的學(xué)習(xí)與處理,知識表現(xiàn),智能搜索,推理,規(guī)劃,機(jī)器學(xué)習(xí),知識獲取,組合調(diào)度問題,感知問題,模式識別,邏輯程序設(shè)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(fù)雜系統(tǒng),遺傳算法人類思維方式,最關(guān)鍵的難題還是機(jī)器的自主創(chuàng)造性思維能力的塑造與提升。
安全問題
人工智能還在研究中,但有學(xué)者認(rèn)為讓計算機(jī)擁有智商是很危險的,它可能會反抗人類。這種隱患也在多部電影中發(fā)生過,其主要的關(guān)鍵是允不允許機(jī)器擁有自主意識的產(chǎn)生與延續(xù),如果使機(jī)器擁有自主意識,則意味著機(jī)器具有與人同等或類似的創(chuàng)造性,自我保護(hù)意識,情感和自發(fā)行為。
實現(xiàn)方法
人工智能在計算機(jī)上實現(xiàn)時有2種不同的方式。一種是采用傳統(tǒng)的編程技術(shù),使系統(tǒng)呈現(xiàn)智能的效果,而不考慮所用方法是否與人或動物機(jī)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(nèi)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,還要求實現(xiàn)方法也和人類或生物機(jī)體所用的方法相同或相類似。遺傳算法(GENERIC ALGORITHM,簡稱GA)和人工神經(jīng)網(wǎng)絡(luò)(ARTIFICIAL NEURAL NETWORK,簡稱ANN)均屬后一類型。遺傳算法模擬人類或生物的遺傳-進(jìn)化機(jī)制,人工神經(jīng)網(wǎng)絡(luò)則是模擬人類或動物大腦中神經(jīng)細(xì)胞的活動方式。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(xì)規(guī)定程序邏輯,如果游戲簡單,還是方便的。如果游戲復(fù)雜,角色數(shù)量和活動空間增加,相應(yīng)的邏輯就會很復(fù)雜(按指數(shù)式增長),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(diào)試,最后為用戶提供一個新的版本或提供一個新補(bǔ)丁,非常麻煩。采用后一種方法時,編程者要為每一角色設(shè)計一個智能系統(tǒng)(一個模塊)來進(jìn)行控制,這個智能系統(tǒng)(模塊)開始什么也不懂,就像初生嬰兒那樣,但它能夠?qū)W習(xí),能漸漸地適應(yīng)環(huán)境,應(yīng)付各種復(fù)雜情況。這種系統(tǒng)開始也常犯錯誤,但它能吸取教訓(xùn),下一次運(yùn)行時就可能改正,至少不會永遠(yuǎn)錯下去,用不到發(fā)布新版本或打補(bǔ)丁。利用這種方法來實現(xiàn)人工智能,要求編程者具有生物學(xué)的思考方法,入門難度大一點。但一旦入了門,就可得到廣泛應(yīng)用。由于這種方法編程時無須對角色的活動規(guī)律做詳細(xì)規(guī)定,應(yīng)用于復(fù)雜問題,通常會比前一種方法更省力。
專業(yè)機(jī)構(gòu)
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(nèi)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(qū)
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、廈門大學(xué)人工智能研究所
12、西安交通大學(xué)智能車研究所
13、中南大學(xué)智能系統(tǒng)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(jī)對弈
1996年2月10~17日, GARRY KASPAROV以4:2戰(zhàn)勝“深藍(lán)” (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(lán)”。
2003年2月GARRY KASPAROV 3:3戰(zhàn)平 “小深”(DEEP JUNIOR)。
2003年11月GARRY KASPAROV 2:2戰(zhàn)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 ,車牌識別;駐波識別引擎已推出語音識別;3D識別引擎已推出指紋識別玉帶林中掛(玩游智能版1.25)
自動工程
自動駕駛(OSO系統(tǒng))
印鈔工廠(¥流水線)
獵鷹系統(tǒng)(YOD繪圖)
知識工程
以知識本身為處理對象,研究如何運(yùn)用人工智能和軟件技術(shù),設(shè)計、構(gòu)造和維護(hù)知識系統(tǒng)
專家系統(tǒng)
智能搜索引擎
計算機(jī)視覺和圖像處理
機(jī)器翻譯和自然語言理解
數(shù)據(jù)挖掘和知識發(fā)現(xiàn)
相關(guān)著作
《視讀人工智能》:機(jī)器真的可以思考嗎?人的思維只是一個復(fù)雜的計算機(jī)程序嗎?本書著眼于人工智能這個有史以來最為棘手的科學(xué)問題之一,集中探討了其背后的一些主要話題。人工智能不僅僅是一個虛構(gòu)的概念。人類對智能機(jī)體結(jié)構(gòu)半個世紀(jì)的研究表明:機(jī)器可以打敗人類最偉大的棋手,類人機(jī)器人可以走路并且能和人類進(jìn)行互動。盡管早就有宣言稱智能機(jī)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(yīng)該怎樣去制造智能機(jī)器呢?它應(yīng)該像大腦一樣運(yùn)轉(zhuǎn)?它是否需要軀體?從圖靈影響深遠(yuǎn)的奠基性研究到機(jī)器人和新人工智能的飛躍,本書圖文并茂的將人工智能在過去半個世紀(jì)的發(fā)展清晰的呈現(xiàn)在讀者面前。
《人工智能的未來》:詮釋了智能的內(nèi)涵,闡述了大腦工作的原理,并告訴我們?nèi)绾尾拍苤圃斐稣嬲饬x上的智能機(jī)器——這樣的智能機(jī)器將不再僅僅是對人類大腦的簡單模仿,它們的智能在許多方面會遠(yuǎn)遠(yuǎn)超過人腦?;艚鹚拐J(rèn)為,從人工智能到神經(jīng)網(wǎng)絡(luò),早先復(fù)制人類智能的努力無一成功,究其原因,都是由于人們并未真正了解智能的內(nèi)涵和人類大腦。所謂智能,就是人腦比較過去、預(yù)測未來的能力。大腦不是計算機(jī),不會亦步亦趨、按部就班的根據(jù)輸入產(chǎn)生輸出。大腦是一個龐大的記憶系統(tǒng),它儲存著在某種程度上反映世界真實結(jié)構(gòu)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(jù)記憶做出預(yù)測。形成智能、感覺、創(chuàng)造力以及知覺等基礎(chǔ)的,就是大腦的記憶-預(yù)測系統(tǒng)……
《人工智能哲學(xué)》:人工智能哲學(xué)是伴隨現(xiàn)代信息理論和計算機(jī)技術(shù)發(fā)展起來的一個哲學(xué)分支。本書收集了人工智能研究領(lǐng)域?qū)W者的十五篇代表性論文,這些論文為計算機(jī)科學(xué)的發(fā)展和人工智能哲學(xué)的建立作出了開創(chuàng)性的貢獻(xiàn)。這些文章總結(jié)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。在這些劃時代的著作中,包括有:現(xiàn)代計算機(jī)理論之父艾倫·圖靈的“計算機(jī)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(xiàn)代的方法》:本書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(nèi)容,并深入介紹了各個主要的研究方向,是一本難得的綜合性教材。全書分為八大部分:第一部分"人工智能",第二部分"問題求解",第三部分"知識與推理",第四部分"規(guī)劃",第五部分"不確定知識與推理",第六部分"學(xué)習(xí)",第七部分"通訊、感知與行動",第八部分"結(jié)論"。本書既詳細(xì)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,同時收集整理了詳實的歷史文獻(xiàn)與事件。因此本書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(dǎo)書目,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。
發(fā)展簡史
人工智能的傳說可以追溯到古埃及,但隨著1941年以來電子計算機(jī)的發(fā)展,技術(shù)已最終可以創(chuàng)造出機(jī)器智能,“人工智能”(ARTIFICIAL INTELLIGENCE)一詞最初是在1956年DARTMOUTH學(xué)會上提出的,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?dāng)U展,在它還不長的歷史中,人工智能的發(fā)展比預(yù)想的要慢,但一直在前進(jìn),從40年前出現(xiàn)至今,已經(jīng)出現(xiàn)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(jī)時代
1941年的一項發(fā)明使信息存儲和處理的各個方面都發(fā)生了革命.這項同時在美國和德國出現(xiàn)的 發(fā)明就是電子計算機(jī).第一臺計算機(jī)要占用幾間裝空調(diào)的大房間,對程序員來說是場噩夢:僅僅為運(yùn)行一 個程序就要設(shè)置成千的線路.1949年改進(jìn)后的能存儲程序的計算機(jī)使得輸入程序變得簡單些,而且計算機(jī) 理論的發(fā)展產(chǎn)生了計算機(jī)科學(xué),并最終促使了人工智能的出現(xiàn).計算機(jī)這個用電子方式處理數(shù)據(jù)的發(fā)明,為人工智能的可能實現(xiàn)提供了一種媒介.
雖然計算機(jī)為AI提供了必要的技術(shù)基礎(chǔ),但直到50年代早期人們才注意到人類智能與機(jī)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調(diào)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(yīng)將加熱器開大或關(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,所有的智能活動都是反饋機(jī)制的結(jié)果.而反饋機(jī)制是有可 能用機(jī)器模擬的.這項發(fā)現(xiàn)對早期AI的發(fā)展影響很大.
1955年末,NEWELL和SIMON做了一個名為"邏輯專家"(LOGIC THEORIST)的程序.這個程序被許多人 認(rèn)為是第一個AI程序.它將每個問題都表示成一個樹形模型,然后選擇最可能得到正確結(jié)論的那一枝來求解 問題."邏輯專家"對公眾和AI研究領(lǐng)域產(chǎn)生的影響使它成為AI發(fā)展中一個重要的里程碑.1956年,被認(rèn)為是 人工智能之父的JOHN MCCARTHY組織了一次學(xué)會,將許多對機(jī)器智能感興趣的專家學(xué)者聚集在一起進(jìn)行了一 個月的討論.他請他們到 VERMONT參加 " DARTMOUTH人工智能夏季研究會".從那時起,這個領(lǐng)域被命名為 "人工智能".雖然 DARTMOUTH學(xué)會不是非常成功,但它確實集中了AI的創(chuàng)立者們,并為以后的AI研究奠定了基礎(chǔ).
DARTMOUTH會議后的7年中,AI研究開始快速發(fā)展.雖然這個領(lǐng)域還沒明確定義,會議中的一些思想 已被重新考慮和使用了. CARNEGIE MELLON大學(xué)和MIT開始組建AI研究中心.研究面臨新的挑戰(zhàn):下一步需 要建立能夠更有效解決問題的系統(tǒng),例如在"邏輯專家"中減少搜索;還有就是建立可以自我學(xué)習(xí)的系統(tǒng).
1957年一個新程序,"通用解題機(jī)"(GPS)的第一個版本進(jìn)行了測試.這個程序是由制作"邏輯專家" 的同一個組開發(fā)的.GPS擴(kuò)展了WIENER的反饋原理,可以解決很多常識問題.兩年以后,IBM成立了一個AI研 究組.HERBERT GELERNETER花3年時間制作了一個解幾何定理的程序.
當(dāng)越來越多的程序涌現(xiàn)時,MCCARTHY正忙于一個AI史上的突破.1958年MCCARTHY宣布了他的新成 果:LISP語言. 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(shù)AI開發(fā)者采納.
1963年MIT從美國政府得到一筆220萬美元的資助,用于研究機(jī)器輔助識別.這筆資助來自國防部 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).這個計劃吸引了來自全世界的計算機(jī)科學(xué)家,加快了AI研究的發(fā)展步伐.
競賽
LOEBNER(人工智能類)
以人類的智慧創(chuàng)造出堪與人類大腦相平行的機(jī)器腦(人工智能),對人類來說是一個極具誘惑的領(lǐng)域,人類為了實現(xiàn)這一夢想也已經(jīng)奮斗了很多個年頭了。而從一個語言研究者的角度來看,要讓機(jī)器與人之間自由交流那是相當(dāng)困難的,甚至可以說可能會是一個永無答案的問題。人類的語言,人類的智能是如此的復(fù)雜,以至于我們的研究還并未觸及其導(dǎo)向本質(zhì)的外延部分的邊沿。
大量程序
以后幾年出現(xiàn)了大量程序.其中一個叫"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(shù)量的幾何形體)中的研究與編程.在MIT由MARVIN MINSKY領(lǐng)導(dǎo)的研究人員發(fā)現(xiàn),面對小規(guī)模的對象,計算機(jī)程序可以解決空間和邏輯問題.其它如在60年代末出現(xiàn)的"STUDENT"可以解決代數(shù) 問題,"SIR"可以理解簡單的英語句子.這些程序的結(jié)果對處理語言理解和邏輯有所幫助.
70年代另一個進(jìn)展是專家系統(tǒng).專家系統(tǒng)可以預(yù)測在一定條件下某種解的概率.由于當(dāng)時計算機(jī)已 有巨大容量,專家系統(tǒng)有可能從數(shù)據(jù)中得出規(guī)律.專家系統(tǒng)的市場應(yīng)用很廣.十年間,專家系統(tǒng)被用于股市預(yù) 測,幫助醫(yī)生診斷疾病,以及指示礦工確定礦藏位置等.這一切都因為專家系統(tǒng)存儲規(guī)律和信息的能力而成為可能.
70年代許多新方法被用于AI開發(fā),如MINSKY的構(gòu)造理論.另外DAVID MARR提出了機(jī)器視覺方 面的新理論,例如,如何通過一副圖像的陰影,形狀,顏色,邊界和紋理等基本信息辨別圖像.通過分析這些信 息,可以推斷出圖像可能是什么.同時期另一項成果是PROLOGE語言,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)軟硬件銷售高達(dá)4.25億 美元.專家系統(tǒng)因其效用尤受需求.象數(shù)字電氣公司這樣的公司用XCON專家系統(tǒng)為VAX大型機(jī)編程.杜邦,通用 汽車公司和波音公司也大量依賴專家系統(tǒng).為滿足計算機(jī)專家的需要,一些生產(chǎn)專家系統(tǒng)輔助制作軟件的公 司,如TEKNOWLEDGE和INTELLICORP成立了。為了查找和改正現(xiàn)有專家系統(tǒng)中的錯誤,又有另外一些專家系統(tǒng)被設(shè)計出來.
日常生活
人們開始感受到計算機(jī)和人工智能技術(shù)的影響.計算機(jī)技術(shù)不再只屬于實驗室中的一小群研究人員. 個人電腦和眾多技術(shù)雜志使計算機(jī)技術(shù)展現(xiàn)在人們面前.有了像美國人工智能協(xié)會這樣的基金會.因為AI開發(fā) 的需要,還出現(xiàn)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(nèi)部的AI開發(fā)組上.
其它AI領(lǐng)域也在80年代進(jìn)入市場.其中一項就是機(jī)器視覺. MINSKY和MARR的成果如今用到了生產(chǎn)線上的相機(jī)和計算機(jī)中,進(jìn)行質(zhì)量控制.盡管還很簡陋,這些系統(tǒng)已能夠通過黑白區(qū)別分辨出物件形狀的不同.到1985年美國有一百多個公司生產(chǎn)機(jī)器視覺系統(tǒng),銷售額共達(dá)8千萬美元.
但80年代對AI工業(yè)來說也不全是好年景.86-87年對AI系統(tǒng)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6百萬美元,大約占利潤的三分之一巨大的損失迫使許多研究領(lǐng) 導(dǎo)者削減經(jīng)費(fèi).另一個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".這個項目目的是研制一種能完成許多戰(zhàn)地任務(wù)的機(jī)器人。由于項目缺陷和成功無望,PENTAGON停止了項目的經(jīng)費(fèi).
盡管經(jīng)歷了這些受挫的事件,AI仍在慢慢恢復(fù)發(fā)展.新的技術(shù)在日本被開發(fā)出來,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(jī)器人
人工智能機(jī)器人(2張)
條件作出決策;還有神經(jīng)網(wǎng)絡(luò),被視為實現(xiàn)人工智能的可能途徑.總之,80年代AI被引入了市場,并顯示出實用價值.可以確信,它將是通向21世紀(jì)之匙. 人工智能技術(shù)接受檢驗 在"沙漠風(fēng)暴"行動中軍方的智能設(shè)備經(jīng)受了戰(zhàn)爭的檢驗.人工智能技術(shù)被用于導(dǎo)彈系統(tǒng)和預(yù)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;一些面向蘋果機(jī)和IBM兼容機(jī)的應(yīng)用 軟件例如語音和文字識別已可買到;使用模糊邏輯,AI技術(shù)簡化了攝像設(shè)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(xiàn).人工智能已經(jīng)并且將繼續(xù)不可避免地改變我們的生活。
強(qiáng)弱對比
人工智能的一個比較流行的定義,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(dá)特矛斯會議(DARTMOUTH CONFERENCE)上提出的:人工智能就是要讓機(jī)器的行為看起來就象是人所表現(xiàn)出的智能行為一樣。但是這個定義似乎忽略了強(qiáng)人工智能的可能性(見下)。另一個定義指人工智能是人造機(jī)器所表現(xiàn)出來的智能性??傮w來講,對人工智能的定義大多可劃分為四類,即機(jī)器“像人一樣思考”、“像人一樣行動”、“理性地思考”和“理性地行動”。這里“行動”應(yīng)廣義地理解為采取行動,或制定行動的決策,而不是肢體動作。
強(qiáng)人工智能(BOTTOM-UP AI)
強(qiáng)人工智能觀點認(rèn)為有可能制造出真正能推理(REASONING)和解決問題(PROBLEM_SOLVING)的智能機(jī)器,并且,這樣的機(jī)器能將被認(rèn)為是有知覺的,有自我意識的。強(qiáng)人工智能可以有兩類:
類人的人工智能,即機(jī)器的思考和推理就像人的思維一樣。
非類人的人工智能,即機(jī)器產(chǎn)生了和人完全不一樣的知覺和意識,使用和人完全不一樣的推理方式。
弱人工智能(TOP-DOWN AI)
弱人工智能觀點認(rèn)為不可能制造出能真正地推理(REASONING)和解決問題(PROBLEM_SOLVING)的智能機(jī)器,這些機(jī)器只不過看起來像是智能的,但是并不真正擁有智能,也不會有自主意識。
主流科研集中在弱人工智能上,并且一般認(rèn)為這一研究領(lǐng)域已經(jīng)取得可觀的成就。強(qiáng)人工智能的研究則處于停滯不前的狀態(tài)下。
對強(qiáng)人工智能的哲學(xué)爭論
“強(qiáng)人工智能”一詞最初是約翰·羅杰斯·希爾勒針對計算機(jī)和其它信息處理機(jī)器創(chuàng)造的,其定義為:
“強(qiáng)人工智能觀點認(rèn)為計算機(jī)不僅是用來研究人的思維的一種工具;相反,只要運(yùn)行適當(dāng)?shù)某绦颍嬎銠C(jī)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(jī)從事智能的活動。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(jī)解決問題時,必須知道明確的程序??墒?,人即使在不清楚程序時,根據(jù)發(fā)現(xiàn)(HEU- RISTIC)法而設(shè)法巧妙的解決了問題的情況是不少的。如識別書寫的文字、圖形、聲音等,所謂認(rèn)識模型就是一例。再有,能力因?qū)W習(xí)而得到的提高和歸納推理、依據(jù)類推而進(jìn)行的推理等,也是其例。此外,解決的程序雖然是清楚的,但是實行起來需要很長時間,對于這樣的問題,人能在很短的時間內(nèi)找出相當(dāng)好的解決方法,如競技的比賽等就是其例。還有,計算機(jī)在沒有給予充分的合乎邏輯的正確信息時,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(jù)適當(dāng)?shù)难a(bǔ)充信息,也能抓住它的意義。自然語言就是例子。用計算機(jī)處理自然語言,稱為自然語言處理。
關(guān)于強(qiáng)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。其爭論要點是:如果一臺機(jī)器的唯一工作原理就是對編碼數(shù)據(jù)進(jìn)行轉(zhuǎn)換,那么這臺機(jī)器是不是有思維的?希爾勒認(rèn)為這是不可能的。他舉了個中文房間的例子來說明,如果機(jī)器僅僅是對數(shù)據(jù)進(jìn)行轉(zhuǎn)換,而數(shù)據(jù)本身是對某些事情的一種編碼表現(xiàn),那么在不理解這一編碼和這實際事情之間的對應(yīng)關(guān)系的前提下,機(jī)器不可能對其處理的數(shù)據(jù)有任何理解?;谶@一論點,希爾勒認(rèn)為即使有機(jī)器通過了圖靈測試,也不一定說明機(jī)器就真的像人一樣有思維和意識。
也有哲學(xué)家持不同的觀點。DANIEL C. DENNETT 在其著作 CONSCIOUSNESS EXPLAINED 里認(rèn)為,人也不過是一臺有靈魂的機(jī)器而已,為什么我們認(rèn)為人可以有智能而普通機(jī)器就不能呢?他認(rèn)為像上述的數(shù)據(jù)轉(zhuǎn)換機(jī)器是有可能有思維和意識的。
有的哲學(xué)家認(rèn)為如果弱人工智能是可實現(xiàn)的,那么強(qiáng)人工智能也是可實現(xiàn)的。比如SIMON BLACKBURN在其哲學(xué)入門教材 THINK 里說道,一個人的看起來是“智能”的行動并不能真正說明這個人就真的是智能的。我永遠(yuǎn)不可能知道另一個人是否真的像我一樣是智能的,還是說她/他僅僅是看起來是智能的?;谶@個論點,既然弱人工智能認(rèn)為可以令機(jī)器看起來像是智能的,那就不能完全否定這機(jī)器是真的有智能的。BLACKBURN 認(rèn)為這是一個主觀認(rèn)定的問題。
需要要指出的是,弱人工智能并非和強(qiáng)人工智能完全對立,也就是說,即使強(qiáng)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(jī)能做的事,像算術(shù)運(yùn)算等,在百多年前是被認(rèn)為很需要智能的。
研究課題
人工智能的研究方向已經(jīng)被分成幾個子領(lǐng)域,研究人員希望一個人工智能系統(tǒng)應(yīng)該具有某些特定能力,以下將這些能力列出并說明。
解決問題
早期的人工智能研究人員直接模仿人類進(jìn)行逐步的推理,就像是玩棋盤游戲或進(jìn)行邏輯推理時人類的思考模式。到了1980和1990年代,利用概率和經(jīng)濟(jì)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。
對于困難的問題,有可能需要大量的運(yùn)算資源,也就是發(fā)生了“可能組合爆增”:當(dāng)問題超過一定的規(guī)模時,電腦會需要天文數(shù)量級的存儲器或是運(yùn)算時間。尋找更有效的算法是優(yōu)先的人工智能研究項目。
人類解決問題的模式通常是用最快捷,直觀的判斷,而不是有意識的,一步一步的推導(dǎo),早期人工智能研究通常使用逐步推導(dǎo)的方式。人工智能研究已經(jīng)于這種“次表征性的”解決問題方法取得進(jìn)展:實體化AGENT研究強(qiáng)調(diào)感知運(yùn)動的重要性。神經(jīng)網(wǎng)絡(luò)研究試圖以模擬人類和動物的大腦結(jié)構(gòu)重現(xiàn)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(guī)劃
智能AGENT必須能夠制定目標(biāo)和實現(xiàn)這些目標(biāo)。他們需要一種方法來建立一個可預(yù)測的世界模型(將整個世界狀態(tài)用數(shù)學(xué)模型表現(xiàn)出來,并能預(yù)測它們的行為將如何改變這個世界),這樣就可以選擇功效最大的行為。 在傳統(tǒng)的規(guī)劃問題中,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(yù)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(jié)果的狀態(tài)下推理的能力。 在多AGENT中,多個AGENT規(guī)劃以合作和競爭的方式去完成一定的目標(biāo),使用演化算法和群體智慧可以達(dá)成一個整體的突現(xiàn)行為目標(biāo)。
學(xué)習(xí)
主條目:機(jī)器學(xué)習(xí)
機(jī)械學(xué)習(xí)的主要目的是為了從使用者和輸入數(shù)據(jù)等處獲得知識,從而可以幫助解決更多問題,減少錯誤,提高解決問題的效率。對于人工智能來說,機(jī)械學(xué)習(xí)從一開始就很重要。1956年,在最初的達(dá)特茅斯夏季會議上,雷蒙德索洛莫諾夫?qū)懥艘黄P(guān)于不監(jiān)視的概率性機(jī)械學(xué)習(xí):一個歸納推理的機(jī)械。
自然語言處理
主條目:自然語言處理
運(yùn)動和控制
主條目:機(jī)器人學(xué)
知覺
主條目:機(jī)器感知、計算機(jī)視覺和語音識別
機(jī)器感知 是指能夠使用傳感器所輸入的資料(如照相機(jī),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(jī)視覺能夠分析影像輸入。另外還有語音識別 、人臉辨識和物體辨識。
社交
主條目:情感計算
KISMET, 一個具有表情等社交能力的機(jī)器人
情感和社交技能對于一個智能AGENT是很重要的。 首先,通過了解他們的動機(jī)和情感狀態(tài),代理人能夠預(yù)測別人的行動(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(jī)互動,智慧代理人也需要表現(xiàn)出情緒來。至少它必須出現(xiàn)禮貌地和人類打交道。至少,它本身應(yīng)該有正常的情緒。
創(chuàng)造力
主條目:計算機(jī)創(chuàng)造力
一個人工智能的子領(lǐng)域,代表了理論(從哲學(xué)和心理學(xué)的角度)和實際(通過特定的實現(xiàn)產(chǎn)生的系統(tǒng)的輸出是可以考慮的創(chuàng)意,或系統(tǒng)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和人工想像。
多元智能
大多數(shù)研究人員希望他們的研究最終將被納入一個具有多元智能(稱為強(qiáng)人工智能),結(jié)合以上所有的技能并且超越大部分人類的能力。 有些人認(rèn)為要達(dá)成以上目標(biāo),可能需要擬人化的特性,如人工意識或人工大腦。 上述許多問題被認(rèn)為是人工智能完整性:為了解決其中一個問題,你必須解決全部的問題。即使一個簡單和特定的任務(wù),如機(jī)器翻譯,要求機(jī)器按照作者的論點(推理),知道什么是被人談?wù)?知識),忠實地再現(xiàn)作者的意圖(情感計算)。因此,機(jī)器翻譯被認(rèn)為是具有人工智能完整性:它可能需要強(qiáng)人工智能,就像是人類一樣。
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(shù)學(xué)計算機(jī)工具解決問題的學(xué)科,AI帶來的幫助不言而喻。更重要的是,AI反過來有助于人類最終認(rèn)識自身智能的形成。
(2)人工智能對經(jīng)濟(jì)的影響。專家系統(tǒng)更深入各行各業(yè),帶來巨大的宏觀效益。AI也促進(jìn)了計算機(jī)工業(yè)網(wǎng)絡(luò)工業(yè)的發(fā)展。但同時,也帶來了勞務(wù)就業(yè)問題。由于AI在科技和工程中的應(yīng)用,能夠代替人類進(jìn)行各種技術(shù)工作和腦力勞動,會造成社會結(jié)構(gòu)的劇烈變化。
(3)人工智能對社會的影響。AI也為人類文化生活提供了新的模式?,F(xiàn)有的游戲?qū)⒅鸩桨l(fā)展為更高智能的交互式文化娛樂手段,今天,游戲中的人工智能應(yīng)用已經(jīng)深入到各大游戲制造商的開發(fā)中。
伴隨著人工智能和智能機(jī)器人的發(fā)展,不得不討論是人工智能本身就是超前研究,需要用未來的眼光開展現(xiàn)代的科研,因此很可能觸及倫理底線。作為科學(xué)研究可能涉及到的敏感問題,需要針對可能產(chǎn)生的沖突及早預(yù)防,而不是等到問題矛盾到了不可解決的時候才去想辦法化解。
應(yīng)用領(lǐng)域
機(jī)器翻譯,智能控制,專家系統(tǒng),機(jī)器人學(xué),語言和圖像理解,遺傳編程機(jī)器人工廠,自動程序設(shè)計,航天應(yīng)用,龐大的信息處理,儲存與管理,執(zhí)行化合生命體無法執(zhí)行的或復(fù)雜或規(guī)模龐大的任務(wù)等等。
值得一提的是,機(jī)器翻譯是人工智能的重要分支和最先應(yīng)用領(lǐng)域。不過就已有的機(jī)譯成就來看,機(jī)譯系統(tǒng)的譯文質(zhì)量離終極目標(biāo)仍相差甚遠(yuǎn);而機(jī)譯質(zhì)量是機(jī)譯系統(tǒng)成敗的關(guān)鍵。中國數(shù)學(xué)家、語言學(xué)家周海中教授曾在論文《機(jī)器翻譯五十年》中指出:要提高機(jī)譯的質(zhì)量,首先要解決的是語言本身問題而不是程序設(shè)計問題;單靠若干程序來做機(jī)譯系統(tǒng),肯定是無法提高機(jī)譯質(zhì)量的;另外在人類尚未明了大腦是如何進(jìn)行語言的模糊識別和邏輯判斷的情況下,機(jī)譯要想達(dá)到“信、達(dá)、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,而長虹正成為將這一浪潮掀起的首個家電巨頭。長虹發(fā)布兩款CHiQ智能電視新品,主打手機(jī)遙控器、帶走看、隨時看、分類看功能
流行語
2017年12月,人工智能入選“2017年度中國媒體十大流行語”。
入選理由:經(jīng)過多年的演進(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(zhàn)略機(jī)遇,構(gòu)筑我國人工智能發(fā)展的先發(fā)優(yōu)勢,加快建設(shè)創(chuàng)新型國家和世界科技強(qiáng)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(guī)劃》?!兑?guī)劃》提出了面向2030年我國新一代人工智能發(fā)展的指導(dǎo)思想、戰(zhàn)略目標(biāo)、重點任務(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(chǔ)。