人工智能化的現(xiàn)狀和今后發(fā)展趨勢(shì)展望

1、人工智能的現(xiàn)狀及今后發(fā)展趨勢(shì)展望一引言人工智能(Artificial Intelligenee),英文縮寫為 Al，也稱機(jī)器智能?！叭斯ぶ悄堋?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)、 控制論、信息論、神經(jīng)生理學(xué)、心理學(xué)、語(yǔ)言學(xué)等多種學(xué)科互相滲透而發(fā)展起來(lái) 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(lái)模擬人類智能活動(dòng)的能力，以延伸人們智能的科學(xué)。二目前人工智能技術(shù)的研究和發(fā)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發(fā)展。在AI 技術(shù)領(lǐng)域十分活躍的 IBM 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

2、ASCI White電腦，號(hào)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(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)的發(fā)展，現(xiàn)代幾乎各種技術(shù)的發(fā)展都涉及到了人工智能技術(shù)， 可以說(shuō)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

3、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(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(yǔ)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(guò)計(jì)算機(jī)用數(shù)學(xué)技術(shù)方法來(lái)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，也為人類認(rèn)識(shí)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(guò)程與 人類的學(xué)習(xí)過(guò)程相似，以“語(yǔ)音識(shí)別”為例：語(yǔ)音識(shí)別就是讓計(jì)算機(jī)能聽(tīng)懂人說(shuō) 的話，一個(gè)重要的例子就是七國(guó)語(yǔ)言（英、日、意

4、、法、德、中）口語(yǔ)自動(dòng)翻 譯系統(tǒng)。該系統(tǒng)實(shí)現(xiàn)后，人們出國(guó)預(yù)定旅館、購(gòu)買機(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)，就可用手機(jī)、等與“老外”通話。3 機(jī)器翻譯機(jī)器翻譯是利用計(jì)算機(jī)把一種自然語(yǔ)言轉(zhuǎn)變成另一種自然語(yǔ)言的過(guò)程，用以完成這一過(guò)程的軟件系統(tǒng)叫做機(jī)器翻譯系統(tǒng)。 搜文網(wǎng)目前，國(guó)的機(jī)器翻譯軟件不 下百種，根據(jù)這些軟件的翻譯特點(diǎn)，大致可以分為三大類：詞典翻譯類、漢化翻 譯類和專業(yè)翻譯類。詞典類翻譯軟件的代表是“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。漢化翻譯軟件的典型代表是“快車 2000

5、”，它首先提出了“智能漢化”的概念， 使翻譯軟件的輔助翻譯作用更加明 顯。4 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(yǔ)言理解、自動(dòng)推理、智能機(jī) 器人、計(jì)算機(jī)視覺(jué)、計(jì)算機(jī)聽(tīng)覺(jué)等方面，也會(huì)起到重要的推動(dòng)作用。5 問(wèn)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)程序已能夠達(dá)

6、到下各種方盤棋和國(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)的能力，如國(guó)際象棋大師們洞察棋局的能 力。另一個(gè)問(wèn)題是涉及問(wèn)題的原概念，在人工智能中叫問(wèn)題表示的選擇，人們常能 找到某種思考問(wèn)題的方法，從而使求解變易而解決該問(wèn)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(wèn)題，即搜索解答空間，尋找較優(yōu)解答。 6 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(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(kù)中的有關(guān)事實(shí)上，留意可信的證明，并在出現(xiàn)新信息時(shí)適時(shí)修正這些證明。醫(yī)療診斷和信息檢索都可以和定理證明問(wèn) 題一樣加以形式化。因此，在

7、人工智能方法的研究中，定理證明是一個(gè)極其重要 的論題。7 自然語(yǔ)言處理自然語(yǔ)言的處理是人工智能技術(shù)應(yīng)用于實(shí)際領(lǐng)域的典型例，經(jīng)過(guò)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)話情境為基礎(chǔ)，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(yǔ)言。這是一個(gè)極其復(fù)雜的編碼和解碼問(wèn)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) Age nt 又是 一個(gè)半自治系統(tǒng)，Age nt 之間以及 Age nt 與環(huán)境之間進(jìn)行并發(fā)活動(dòng)，并

8、通過(guò)交互 來(lái)完成問(wèn)題求解。9 計(jì)算機(jī)視覺(jué)計(jì)算機(jī)視覺(jué)是一門用計(jì)算機(jī)實(shí)現(xiàn)或模擬人類視覺(jué)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(guò)二維圖像認(rèn)知三維環(huán)境信息的能力，這種能力不僅包括對(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(jué)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(guò)程監(jiān)控系統(tǒng)等。10 智能信息檢索技術(shù)信息獲取

9、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)用的契 機(jī)與突破口。11 專豕系統(tǒng)專家系統(tǒng)是目前人工智能中最活躍、最有成效的一個(gè)研究領(lǐng)域,它是一種具有特定領(lǐng)域大量知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)。近年來(lái)，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)，所以才能達(dá)到優(yōu)異地解決問(wèn)題的能力。那么計(jì)算機(jī)程序如果能體現(xiàn) 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(wèn)題，而且能幫助人類專家發(fā) 現(xiàn)推理過(guò)程中出現(xiàn)的差錯(cuò)，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

10、系統(tǒng)已經(jīng)達(dá)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)學(xué)科自1956年誕生至今已走過(guò)50多個(gè)年頭,就研究解釋和模 擬人類智能、智能行為及其規(guī)律這一總目標(biāo)來(lái)說(shuō)，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)發(fā)展的過(guò)程來(lái)看，人工智能發(fā)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)達(dá)到了相當(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)

11、方面的問(wèn)題： 其一是 組合爆炸問(wèn)題，狀態(tài)空間法是人工智能中基本的形式化方法。若用博弈樹來(lái)表示 狀態(tài)空間,對(duì)于幾種常見(jiàn)的棋類，其狀態(tài)空間都大得驚人，例如,西洋跳棋為 10 的 40 次方,國(guó)際象棋為 10 的 120 次方,圍棋則是 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(wèn)題,至少目前計(jì)算機(jī)還是難以模擬實(shí)現(xiàn)的。2 機(jī)器翻譯所面臨的問(wèn)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)翻譯的設(shè)想。目前機(jī)器 翻譯所面臨的問(wèn)題仍然是 1964 年語(yǔ)言學(xué)家黑

12、列爾所說(shuō)的構(gòu)成句子的單詞和歧義 性問(wèn)題。歧義性問(wèn)題一直是自然語(yǔ)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(jiàn)慣的。因此,要消除歧義性就要對(duì)原文的 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(lái)也存在問(wèn)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(méi)有深層的推敲，沒(méi)有學(xué)習(xí)，沒(méi)有記憶,更沒(méi)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(wèn)題。現(xiàn)在 NLU的研究方法

13、很不成熟，大多數(shù)研究局限 在語(yǔ)言這一單獨(dú)的領(lǐng)域,而沒(méi)有對(duì)人們是如何理解語(yǔ)言這個(gè)問(wèn)題做深入有效的探 討。3 自動(dòng)定理證明和 GPS 勺局限自動(dòng)定理證明的代表性工作是 1965 年魯賓遜提出的歸結(jié)原理。歸結(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?；跉w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(yǔ)義。 前面曾提到過(guò)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(wèn)題的通用方法。GPS 想擺脫對(duì)問(wèn)題部表達(dá)形式的依賴，但是問(wèn)題的部表達(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)行定理證明的歸結(jié)

14、原理，還是求解人工智能問(wèn)題的通用方法 GPS 都可以從 中分析出表達(dá)能力的局限性，而這種局限性使得它們縮小了其自身的應(yīng)用圍。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、形象思維能力，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(shuō)它們永遠(yuǎn)不會(huì)，而是說(shuō)目前不會(huì)。五人工智能的發(fā)展前景 1 人工智能的發(fā)展趨勢(shì)技術(shù)的發(fā)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(lái)是不可能 的。但

15、是，從目前的一些前瞻性研究可以看出， 未來(lái)人工智能可能會(huì)向以下幾個(gè) 方面發(fā)展：模糊處理、并行化、神經(jīng)網(wǎng)絡(luò)和機(jī)器情感。2 人工智能的發(fā)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，其基本理論是人工智能其它分支 的共同基礎(chǔ)。一直以來(lái)自動(dòng)推理都是人工智能研究的最熱門容之一，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)足的發(fā)展。許多新的學(xué)習(xí)方法相繼問(wèn)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 age nt、智能信息存取等研究中的在線學(xué)習(xí)問(wèn)題是研究人員共同關(guān)心的問(wèn)題，相信不久會(huì)在這些方面取得突破。(3) 自然語(yǔ)言處理是 AI 技術(shù)應(yīng)用于實(shí)際領(lǐng)域的典型例,經(jīng)過(guò) 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 In ternet 技術(shù)的影