作業(yè)高級人工智能

1、21世紀人類進入信息社會,信息成為最關鍵的物資,它將轉換為現代的智力工具。工業(yè)化社會轉向信息化社會，信息科學成為高新技術的源泉。人類對智能化的追求將導致智能。所謂的智能是指人得自然智能的模仿和擴展，實現社會生產的自動化和智能化。在智能中，人工智能是，人工智能是計算機科學的一個分支，是一門研究及其智能的學科，即用人工的方法和技術，研制智能機器或智能系統(tǒng)來模仿、延伸和擴展人得智能，實現智能行為。人工智能的研究成果可歸納為符號智能、計算智能、等方面。人工智能的研究和傳統(tǒng)的計算機程序設計在很多方面有所不同。從研究對象上看，人 工智能系統(tǒng)是以符號表示知識，并以知識為主要研究對象，而傳統(tǒng)的程序是以數值為研

2、究 對象，這說明了知識在人工智能中的重要性。知識智能系統(tǒng)的基礎，任何智能系統(tǒng) 的活動過程都是一個獲取知識和運用知識的過程。由于人們對人工智能本質的不同理解和認識，形成了人工智能研究的多種不同的路 徑。不同的研究路徑有不同的研究方法和不同的學術觀點，并形成了不同的研究學派。目 前在人工智能界的主要研究學派有符號主義、聯(lián)結主義和行為主義等學派。（一）符號主義學派符號主義又稱邏輯主義、心理學派或計算機學派，其理論基礎是物理符號系統(tǒng)假設和 有限合理性原理。符號主義學派認為，人認知的基本元素是符號，認知過程即符號操作過 程。同時，人可以看成是一個物理符號系統(tǒng)，計算機也是一個物理符號系統(tǒng)，因此，就能夠用計

3、算機來模擬人的智能行為，即用計算機的符號操作來模擬人的認知過程。它還 認為，知識是信息的一種形式，是智能的基礎，人工智能的問題是知識表示、知 識推理和知識運用。知識可用符號表示，也可用符號進行推理，因而有可能建立起基于知 識的人工智能系統(tǒng)。這個學派的主要代表人物有紐、肖.和等。所謂符號就是模式，任何一種模式，只要它能夠和其他模式相區(qū)別，它就是一個符號。 例如：不同的英文字母就是符號。物理符號系統(tǒng)的基本任務就是對符號進行比較，辨認相 同的符號和區(qū)分不同的符號。符號主義的重要性之一就是它了這種物理符號系統(tǒng)由什么并不重要，這一假 設完全是中性的。一個智能實體能處理符號，它可以由蛋白質、機械運動、半導

4、體或其他 材料，如人的神經系統(tǒng)等。計算機具有符號處理的推算能力，這種能力本身就蘊含著 演繹推理的能力，因此可以通過運行相應的程序來體現出某種基于邏輯思維的智能行為， 故計算機可以看作是一種理想的物理符號系統(tǒng)。物理符號系統(tǒng)假設實際上也肯定了如下信 念：計算機能夠具有人的智能。大量傳統(tǒng)的人工智能研究是在這個學派的推動下進行的。早期的人工智能主要 研究棋弈、邏輯和數學定理的機器證明以及機器翻譯等問題。后來發(fā)展起來的系統(tǒng)和 知識工程則是人工智能的重要應用領域，陸續(xù)開發(fā)出許多著名的系統(tǒng)，為工礦數據分 析處理、醫(yī)療、計算機設計、符號運算和定理證明等提供了強有力的工具。符號主義的代表性成果是紐等人研制的“邏

5、輯理論家”的數學定理證明 程序 LT。以符號主義的觀點看，知識表示是人工智能的，認知就是處理符號，推理 就是采用啟發(fā)式知識及啟發(fā)式搜索對問題的求解過程，而推理過程又可以用某種形式化的 語言來描述。（二）行為主義學派行為主義又稱為進化主義或控制論學派，是基于控制論和“動作-感知”型控制系統(tǒng) 的人工智能學派，屬于非符號處理方法?！靶袨橹髁x者認為智能不需要知識、不需要表示、 不需要推理；人工智能可以像人類智能一樣逐步進化（所以稱為進化主義）；智能行為只 能在現實世界中與周圍環(huán)境交互作用而來。1948 年，維納在控制論中：“控制論是在自控理論、統(tǒng)計信息論物學的 基礎上發(fā)展起來的，機器的自適應、自組織、

6、自修復和學習功能是由系統(tǒng)的輸入輸出反饋 行為決定的” 。持有這種觀點的學者認為：人的智能經過了在地球上十億年甚至更長 時間的進化。而要制造出真正的機器，也必須沿著這些進化的步驟走。他們認為機器是由 蛋白質還是由各種半導體是無關緊要的，智能行為是由所謂的“亞符號處理”（即 信號處理）產生而不是由“符號處理”產生的。如識別熟悉的人的面孔，對人來說易如反 掌，但是對機器就很，最好的解釋就是人類把圖像或圖像的各個部分作為信號而 不是符號來處理。因此，他們認為應該以復雜的現實世界為背景，研究簡單動物如昆蟲的 信號處理能力并模擬和，沿著進化的階梯向上進行。這一方案不僅能在短期內制造出 實用的人造物，而且能

7、為更高級的智能的建立打下堅實的基礎。行為主義方法在最低階段采用信號的概念。6070 年代，行為主義學者模擬人在控 制過程中的智能行為和作用，對自尋優(yōu)、自適應、自修復、自鎮(zhèn)定、自組織和習等控 制論系統(tǒng)的研究，并進行“控制動物”的研制，使這些控制論系統(tǒng)的研究取得一定進展。 80 年代，隨著計算機技術、仿生學等科學的發(fā)展，以麻省理工學院人工智能的科學家(RodneyBrooks)為代表的一批研究將行為主義的觀點引入到人工 智能的研究中，并逐步形成了有別于傳統(tǒng)人工智能的新的研究方法。在 1991 年悉尼舉行 的國際人工智能議上，提出具有性的“無需知識表征”及“沒有推理” 的智能系統(tǒng)，他認為：“首先要弄

8、清楚生命系統(tǒng)在復雜的自然環(huán)境中所具有的生存和反應 能力的本質，然后才有可能進一步探類高水平的智能問題。其次許多作用物的行為能 夠通過一些分解的動物而?！?他認為智能只是在與環(huán)境的交互作用中才表示出 來，不應采用集中式的模式，而是需要具有不同的行為模塊與環(huán)境交互，以此來產生復雜 的行為。因此智能系統(tǒng)應該屬于具體的環(huán)境之中，應該有軀干、眼睛等感官，應該與環(huán)境 交互作用，只能是系統(tǒng)的各個交互作用、系統(tǒng)與環(huán)境交互作用所涌現出來的總的行為。等人認為，既然人工智能的終極目標是人的智能，那么可以從動物的智 能開始。其代表性的工作是研制的有 6 條腿的“機器昆蟲”。這種機器昆蟲用一 些相對獨立的功能單元，分別

9、實現避讓、前進、平衡等功能，組成分層異步分布式網絡， 取得了一定的成功，特別是為機器人的研究開創(chuàng)了一種新的方法?；谛袨橹髁x的基本觀點可以概括為以下幾點：第一、知識的形式化表達和模型化方法是人工智能的重要之一；第二、智能取決與感知和行動，應直接利用機器對環(huán)境作用，以環(huán)境對作用的響應為原型；第三、智能行 為體現在世界中，通過與周圍環(huán)境交互而來；第四、人工智能可以像人類智能一樣逐步進化，分階段發(fā)展和增強。這種基于行為的觀點開辟了人類智能研究的新途徑。盡管有人認為機器昆蟲在感知- 行為上的成功并不能導致高級控制行為，但是該學派的興起，表明了控制論、系統(tǒng)工程的將進一步影響人工智能的發(fā)展。（三）聯(lián)結主義

10、學派以網絡連接為基礎的聯(lián)結主義是近年來研究得比較多的法，也屬于非符號處理 方法，聯(lián)結主義又稱仿生學派或生理學派。 聯(lián)結主義學研究能夠進行非程序 的，可適應環(huán)境變化的，類似人類大腦風格的信息處理方法的本質和能力，是基于神經網 絡及網絡間的連接機制和學習算法的人工智能學派。持這種觀點的學者認為，認知的基本 元素不是符號是神經細胞（神經元），認知過程是大量神經元的聯(lián)接，而大腦智能 活動的基礎，因而從大腦神經元及其連接機制出發(fā)進行研究，搞清楚大腦的結構以及它進 行信息處理的過程和機理，就有望揭示人類智能的奧秘，從而真正實現人類智能在機器上 的模擬。聯(lián)結主義學派嘗試對大腦的結構進行模擬，建立分布式并行計

11、算系統(tǒng)，從而使該 系統(tǒng)具備習、自組織、自適應、聯(lián)想、模糊推理等方面的能力。聯(lián)結主義研究非程序的、實用性的、大腦工作風格的信息處理的本質和能力。人們也 稱它為神經計算。由于它近年來的迅速發(fā)展，大量的神經網絡的機理、模型、算法不斷地涌現出來。神經網絡是一種開放式的神經網絡環(huán)境，提供典型的、具有實用價值的神 經網絡模型。40 年代神經生理學洛克與數學家合作，對神經系統(tǒng)特別是神經元的活理、的可計算數理論、和題邏輯理論進行綜合研究，提出形式神 經元的數學模型。50 年代末設計了感知機，試圖用人工神經網絡模擬動物和 人的感知和學習能力，形成人工智能的一個分支模式識別，并創(chuàng)立了學習的決策論方 法。但是由于受

12、到計算機水平的限制，許多理論設想未能實現。60 年代末和帕坡 特從數學上分析了感知機的原理它的局限性。這個打擊使人工神經網絡的研究走入 低谷，研究隊伍迅速。從 80 年始，經典符號主義人工智能的局限性逐步化，而當年推出人工智能領域神經網絡的一些學者及其后繼者經過多年潛心研究，取得重要的 突破，加上計算機硬件突飛猛進的發(fā)展，使神經網絡的實現成為可能。80 年代末神經網 絡迅速崛起，在聲音識別、圖像處理等方面取得很大成功。該方法的主要特征表現在：以分布式的方式信息，以并行方式處理信息，具有自 組織、習能力，適合于模擬人的形象思維，可以比較快地得到一個近似解。正是這些 特點，使得神經網絡為人們在利用

13、機器加工處理信息方面提供了一個全新的方法和途徑。由于人工智能三大主 流學派遵循的方法論存在缺陷，它們之間的聯(lián)系 就被掩蓋，因而難以溝通；而一旦遵循了正確的 方法論，它們之間內在的本質聯(lián)系就豁然來，原先不能溝通的三大主流方法就和諧地溝通 并在機制模擬方法之中。這也再一次表明， 正確的方法論是多么重要！ 不僅如此，現已證等人工智能的注意 能力、基礎意識能力、情感能力和理智謀略能力 的生成方法也分別是在相應知識條件下基于信息 轉換的機制模擬方法。從信息觀和系統(tǒng)觀的視角觀察，一切高等人 工智能系統(tǒng)都貫穿著內涵完整和時空完整的信息 過程。內涵的完整性就限定了這里的信息是“全 信息”；時空過程的完整性就限

14、定了整個過程是 “信息轉換”過程。由此可以理解：高等人工智 能生成機制的具體實施必然就是各種相應的信息 轉換。 高等人工智能理論的信息轉換原理包含兩 個有機銜接的部分：第一類信息轉換原理和第 二類信息轉換原理。首先，通過第一類信息轉換 原理的作用，把外部刺激所呈現的本體論信息 轉換為認識論信息（就是作為語法信息、語義信 息、語用信息三位一體的全信息）；接著，通過 第二類信息轉換原理的作用，把全信息依次轉 換為注意能力、基礎意識能力、情感生成能力、 理智謀略生成能力和綜合決策能力，完成“高等 智能”的生成。第一類信息轉換原理的基本模型：第一步，傳感系統(tǒng)把外部刺激所呈現的本體論信息成為語法信息；第

15、二步， 由此生成的語法信息在知識庫和計算系統(tǒng)支持下 生成語用信息；第三步，語法信息和語用信息兩 者在知識庫和邏輯系統(tǒng)支持下，通過邏輯演繹生 成語義信息，從而生成了全信息。 其中第一步比較簡單，無需解釋。 第二步也一目了然，但需要一些說明：1） 如果知識庫了大量“語法信息語用信息 的關系對”，那么，只要新生的語法信息在知識與某個語法信息建立了匹配關系，這個被 匹配的語法信息所對應的語用信息就是與這個 新生語法信息相對應的語用信息；2）如果新生 的語法信息不能在知識找到匹配的語法信 息，就把這個語法信息與知識庫的“目標 信息”進行相關運算，運算的結果就是所要求的 語用信息。 第三步其實也很自然，在

16、最簡單的情況下， 語法信息和語用信息兩者的“共同滿足”，就是 所要求的語義信息。它的意思是：語義信息就是 語法信息和語用信息的共同滿足。這是因為，語 法信息是具體的（可以被感知），語用信息也是 具體的（可以被體驗），而語義信息是抽象的； 抽象的語義信息只能用具體的語法信息和具體的 語用信息來表示。第一類和第二類信息轉換 原理共同合作可以完成感知注意能力、基礎意識 能力、情感能力、理智謀略能力的生成，從而形 成了高等人工智能的。當然，基于情感 與理智兩者協(xié)調的綜合決策也是信息轉換原理的 結果，不過它所需要的知識還需要一些特殊知識 （如決策藝術、靈感等）。 不僅如此，表 2 還表明，現行人工智能理

17、論 所研究的智能大體上也是信息轉換原理的產物。 這樣，現行人工智能理論就可以認為是高等人工 智能理論的一個真子集，從而澄清了高等人工智 能理論與現行人工智能理論之間的關系。人工智能從能力上可大致劃分為以下幾個部分：（1）人工智能邏輯邏輯方法一直是計算機科學，尤其是人工智能研究中的重要組成。邏輯學研究人的思維是從研究人的自然語言入手的，計算機科學模擬人的思維桐鄉(xiāng)市從語言開始的。經典邏輯，如形式邏輯、演繹邏輯等，對人類認識世界的處理是單調的。非單調推理是定理集合并不隨推理的過程單調增加，新的定理會改變的一些定理。默認邏輯的默認推理是一類似然推理。限定邏輯是一種極小化邏輯。自認知邏輯的目的是要刻畫智

18、能主體對于自己的知識和信念進行推理的規(guī)律。真值系統(tǒng)是一種與默認推理既有聯(lián)系，又有區(qū)別的推理技術，真值系統(tǒng)是大型推力系統(tǒng)的一個字系統(tǒng)，實現對知識庫中信念的。（2）約束推理一個約束通常是指一個包含若干變量的關系表達式，用以表示這些變量所必須滿足的條件。常見的有：、約束、智能回朔與真值。約束表示易于理解、編碼及有效實現，它具有以下優(yōu)點：1）約束表示允許以說明性的方式來表達領域知識，表達能力強，應用程序只需指定問題的目標條件及數據之間的相互關系。因而具有邏輯表示的類似性質。2）約束表示允許變量的域包含任意多個值，而不像命題只取真假二值。所以它保存了問題的一些結構信息，如變量域的大小，變量間的相關性等，

19、從而為問題求解提供啟發(fā)式信息。3）易于并行實現。因為約束網絡上的信息可以認為是同時的。4）適合干遞增型系統(tǒng)。因為約束可以遞增式地加入到約束網絡。5）易于與領域相關求解模型相銜接。各種數學規(guī)劃技術，方程求解技術等，都可以自然地嵌入約束系統(tǒng)。依據聯(lián)系于約束網絡節(jié)點上的數據類型，可以將約束推理分為以下幾種：1）關系推理2）標記推理3）值推理4）表達式推理（3）定理定理是從物理系統(tǒng)、生命系統(tǒng)的結構描述出發(fā)，導致行為描述，以便系統(tǒng)的行為并給出原因解釋。定理采用系統(tǒng)間的局部結構規(guī)則來解釋系統(tǒng)行為，即狀態(tài)的變化行為只與直接相鄰的有關。定理一般分為：結構認知、因果分析、行為推理、功能說明四個步驟。（4）基于范

20、例推理在基于范例推理中，把當前所或情況稱為目標范例，而把的問題或情況稱為源范例。基于范例推理就是由目標范例的提示而獲得中的源范例，并由源范例指導目標范例求解的一種策略?；诜独评淼囊话懔鞒虨椋悍独硎荆治瞿Ｐ?，范例檢索，類比，類比轉換，解釋過程，范例修補，類比驗證，范例保存。（5）歸納學習歸納學習是符號學習中研究最為廣泛的法。在給定關于某個概念的一系列已知的正例和反例，其任務是從中歸納出一個一般概念的描述。歸納學習課分為實例學習、觀察與發(fā)現學習。歸納學習中具有代表性的學習方法有變形空間、決策樹方法ID3、AQ11算法等。（6）類比學習類比學習是人類重要的認知方法，也是經驗決策過程中常用的推

21、理方式，它是一種允許只是在具有相似的性質的領域中進行轉換的學習策略。一般對于未知的或者所知甚少的領域中，經常借助于已知的熟悉的領域來加以解決。類比學習代表性的方法有轉換類比、派生類比、基于范例的學習方法等。(7)解釋學習解釋學習是一種分析學習法，在領域知識指導下，通過對單個問題求解實例分析，構造出求過程的因果解釋結構，并獲取控制知識，以便用于指導以后求解類似問題。一般的解釋方法有：預制文本法，執(zhí)行追蹤法，策略解釋法。（8）知識的發(fā)現和知識的獲取是知識信息處理的關鍵之一。在數據庫的基礎上實現的知識發(fā)現系統(tǒng)，通過綜合運營統(tǒng)計學、粗糙集、模糊數學、機器學習、和系統(tǒng)等多種學習段和方法，從大量的數據中提煉出抽象的知識，從而揭示出蘊含在這些數據背后的客觀世界的內在聯(lián)系和本質規(guī)律，實現知識的自動獲取。(9)分布式人工智能分