人工智能的爭論與展望

第十三章人工智能的爭論與展望

教學(xué)內(nèi)容：本章主要講敘人工智能發(fā)展過程中各學(xué)術(shù)流派在理論、方法和技術(shù)路線等方面的爭論，人工智能對經(jīng)濟(jì)和社會的影響以及對人工智能發(fā)展前景的展望。

教學(xué)重點(diǎn)：啟迪學(xué)生自己理解人工智能各學(xué)派的認(rèn)知觀，分析人工智能的發(fā)展前景。

教學(xué)難點(diǎn)：人工智能三大主要學(xué)術(shù)流派的異同點(diǎn)。

教學(xué)方法：采用課堂講授與組織學(xué)生討論相結(jié)合，引導(dǎo)學(xué)生積極預(yù)測人工智能的未來發(fā)展趨勢。

教學(xué)要求：全面認(rèn)識人工智能發(fā)展過程中各主要學(xué)術(shù)流派的觀點(diǎn)和爭論，一般了解人工智能對人類社會和經(jīng)濟(jì)的影響以及人工智能的發(fā)展前景，對人工智能的未來充滿信心。1

13.1人工智能的爭論

教學(xué)內(nèi)容：介紹人工智能發(fā)展過程中各學(xué)術(shù)流派在各方面的爭論。

教學(xué)重點(diǎn)：人工智能的三大學(xué)術(shù)流派的認(rèn)知觀。

教學(xué)難點(diǎn)：三大主要學(xué)術(shù)流派的異同點(diǎn)。

教學(xué)方法：講授為主

教學(xué)要求：比較深入地了解人工智能發(fā)展過程中各主要學(xué)術(shù)流派和爭論。2

13.1.1對人工智能理論的爭論

1、符號主義：

符號主義認(rèn)為人的認(rèn)知基元是符號，而且認(rèn)知過程即符號操作過程。它認(rèn)為人是一個物理符號系統(tǒng)，計(jì)算機(jī)也是一個物理符號系統(tǒng)，因此，我們就能夠用計(jì)算機(jī)來模擬人的智能行為，即用計(jì)算機(jī)的符號操作來模擬人的認(rèn)知過程。也就是說，人的思維是可操作的。它還認(rèn)為，知識是信息的一種形式，是構(gòu)成智能的基礎(chǔ)。人工智能的核心問題是知識表示、知識推理和知識運(yùn)用。知識可用符號表示，也可用符號進(jìn)行推理，因而有可能建立起基于知識的人類智能和機(jī)器智能的統(tǒng)一理論體系。

32、聯(lián)結(jié)主義：

聯(lián)結(jié)主義認(rèn)為人的思維基元是神經(jīng)元，而不是符號處理過程。它對物理符號系統(tǒng)假設(shè)持反對意見，認(rèn)為人腦不同于電腦，并提出聯(lián)結(jié)主義的大腦工作模式，用于取代符號操作的電腦工作模式。

43、行為主義

行為主義認(rèn)為智能取決于感知和行動(所以被稱為行為主義)，提出智能行為的“感知－動作”模式。行為主義者認(rèn)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(jìn)化(所以稱為進(jìn)化主義)；智能行為只能在現(xiàn)實(shí)世界中與周圍環(huán)境交互作用而表現(xiàn)出來。行為主義還認(rèn)為：符號主義(還包括聯(lián)結(jié)主義)對真實(shí)世界客觀事物的描述及其智能行為工作模式是過于簡化的抽象，因而是不能真實(shí)地反映客觀存在的。

提問：在本書的第一章中我們提到人工智能的三個主要流派，請同學(xué)們回顧一下，是哪三個流派，各有什么特點(diǎn)？

5

13.1.2對人工智能方法的爭論

1、符號主義：

符號主義認(rèn)為人工智能的研究方法應(yīng)為功能模擬方法。通過分析人類認(rèn)知系統(tǒng)所具備的功能和機(jī)能，然后用計(jì)算機(jī)模擬這些功能，實(shí)現(xiàn)人工智能。符號主義力圖用數(shù)學(xué)邏輯方法來建立人工智能的統(tǒng)一理論體系，但遇到不少暫時(shí)無法解決的困難，并受到其它學(xué)派的否定。

62、聯(lián)結(jié)主義：

聯(lián)結(jié)主義主張人工智能應(yīng)著重于結(jié)構(gòu)模擬，即模擬人的生理神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，并認(rèn)為功能、結(jié)構(gòu)和智能行為是密切相關(guān)的。不同的結(jié)構(gòu)表現(xiàn)出不同的功能和行為。已經(jīng)提出多種人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和眾多的學(xué)習(xí)算法。73、行為主義：

行為主義認(rèn)為人工智能的研究方法應(yīng)采用行為模擬方法，也認(rèn)為功能、結(jié)構(gòu)和智能行為是不可分開的。不同的行為表現(xiàn)出不同的功能和不同的控制結(jié)構(gòu)。行為主義的研究方法也受到其它學(xué)派的懷疑與批判，認(rèn)為行為主義最多只能創(chuàng)造出智能昆蟲行為，而無法創(chuàng)造出人的智能行為。8

13.1.3對人工智能技術(shù)路線的爭論

1、專用路線：

專用路線強(qiáng)調(diào)研制與開發(fā)專用的智能計(jì)算機(jī)、人工智能軟件、專用開發(fā)工具、人工智能語言和其它專用設(shè)備，如LISP機(jī)、PROLOG機(jī)、PROLOG、LISP語言、M.I語言、OPSS83語言、專家系統(tǒng)開發(fā)工具EMYCIN、EXPERT、INSIGHT2和GURU等。

92、通用路線：

通用路線認(rèn)為通用的計(jì)算機(jī)硬件和軟件能夠?qū)θ斯ぶ悄荛_發(fā)提供有效的支持，并能夠解決廣泛的和一般的人工智能問題。這方面的例子有以VLSI技術(shù)為基礎(chǔ)的RISC技術(shù)、UNIX分時(shí)操作系統(tǒng)、C語言及其改進(jìn)型、SUN工作站和SPARC工作站等。通用路線強(qiáng)調(diào)人工智能應(yīng)用系統(tǒng)和人工智能產(chǎn)品的開發(fā)，應(yīng)與計(jì)算機(jī)立體技術(shù)和主流技術(shù)相結(jié)合，并把知識工程視為軟件工程的一個分支。

103、硬件路線：

硬件路線認(rèn)為人工智能的發(fā)展主要依靠硬件技術(shù)，如VLSI、人工神經(jīng)網(wǎng)絡(luò)、腦模型、智能機(jī)和智能機(jī)器人等。該路線還認(rèn)為智能機(jī)器的開發(fā)主要有賴于各種智能硬件、智能工具及固化技術(shù)。

114、軟件路線：

軟件路線強(qiáng)調(diào)人工智能的發(fā)展主要依靠軟件技術(shù)，例如，啟發(fā)性程序設(shè)計(jì)、自動編程專家系統(tǒng)、知識工程以及其它各種智能算法等。軟件路線認(rèn)為智能機(jī)器的研制主要在于開發(fā)各種智能軟件、工具及其應(yīng)用系統(tǒng)。

12

13.2

人工智能對人類的影響

教學(xué)內(nèi)容：闡述人工智能發(fā)展對人類的影響。

教學(xué)重點(diǎn)：人工智能發(fā)展對人類的影響程度。

教學(xué)難點(diǎn)：人工智能發(fā)展為什么會對人類產(chǎn)生影響。

教學(xué)方法：課堂講授與組織學(xué)生討論相結(jié)合。

教學(xué)要求：初步了解人工智能發(fā)展對人類經(jīng)濟(jì)和社會的影響。13

13.2.1人工智能對經(jīng)濟(jì)的影響

人工智能系統(tǒng)的開發(fā)和應(yīng)用，已為人類創(chuàng)造出可觀的經(jīng)濟(jì)效益，專家系統(tǒng)就是一個例子。隨著計(jì)算機(jī)系統(tǒng)價(jià)格的繼續(xù)下降，人工智能技術(shù)必將得到更大的推廣，產(chǎn)生更大的經(jīng)濟(jì)效益。

1413.2.2人工智能對社會的影響

1、勞務(wù)就業(yè)問題

由于人工智能能夠代替人類進(jìn)行各種腦力勞動，例如用專家系統(tǒng)代替管理人員或醫(yī)生進(jìn)行決策或診斷與治療病人疾病，所以，將會使一部分人不得不改變他們的工種，甚至造成失業(yè)。人工智能在科技和工程中的應(yīng)用，會使一些人失去介入信息處理活動(如規(guī)劃、診斷、理解和決策等)的機(jī)會，甚至不得不改變自己的工作方式。

152、社會結(jié)構(gòu)變化

人們一方面希望人工智能和智能機(jī)器能夠代替人類從事各種勞動，另一方面又擔(dān)心它們的發(fā)展會引起新的社會問題。實(shí)際上，近十多年來，社會結(jié)構(gòu)正在發(fā)生一種靜悄悄的變化。人-機(jī)的社會結(jié)構(gòu)，終將為人-智能機(jī)器-機(jī)器的社會結(jié)構(gòu)所取代。163、思維方式與觀念的變化

人工智能的發(fā)展與推廣應(yīng)用，將影響到人類的思維方式和傳統(tǒng)觀念，并使它們發(fā)生改變。例如，傳統(tǒng)知識一般印在書本報(bào)刊或雜志上，因而是固定不變的，而人工智能系統(tǒng)的知識庫的知識卻是可以不斷修改、擴(kuò)充和更新的。又如，一旦專家系統(tǒng)的用戶開始相信系統(tǒng)(智能機(jī)器)的判斷和決定，那么他們就可能不愿多動腦筋，變得懶惰，并失去對許多問題及其求解任務(wù)的責(zé)任感和敏感性。過分地依賴計(jì)算機(jī)的建議而不加分析地接受，將會使智能機(jī)器用戶的認(rèn)知能力下降，并增加誤解。17

4、心理上的威脅

人工智能還使一部分社會成員感到心理上的威脅，或叫做精神威脅。人們一般認(rèn)為，只有人類才具有感知精神，而且以此與機(jī)器相別。如果有一天，這些人開始相信機(jī)器也能夠思維和創(chuàng)作，那么他們可能會感到失望，甚至感到威脅。他們擔(dān)心：有朝一日，智能機(jī)器的人工智能會超過人類的自然智能，使人類淪為智能機(jī)器和智能系統(tǒng)的奴隸。按照人工智能的觀點(diǎn)，人類有可能用機(jī)器來規(guī)劃自己的未來，甚至可以把這個規(guī)劃問題想象為一類狀態(tài)空間搜索。當(dāng)社會上一部分人歡迎這種新觀念時(shí)，另一部分人則發(fā)現(xiàn)這些新觀念是惹人煩惱的和無法接受的，尤其是當(dāng)這些觀念與他們鐘愛的信仰和觀念背道而馳時(shí)。

185、技術(shù)失控的危險(xiǎn)

任何新技術(shù)最大危險(xiǎn)莫過于人類對它失去了控制，或者是它落入那些企圖利用新技術(shù)反對人類的人手中。有人擔(dān)心機(jī)器人有一天會反賓為主，奴役它們的創(chuàng)造者——人類，擔(dān)心人工智能的其他制品威脅人類的安全。19

13.2.3人工智能對文化的影響

1、改善人類知識

在重新闡述我們的歷史知識的過程中，哲學(xué)家、科學(xué)家和人工智能學(xué)家有機(jī)會努力解決知識的模糊性以及消除知識的不一致性。這種努力的結(jié)果，可能導(dǎo)致知識的某些改善，以便能夠比較容易地推斷出令人感興趣的新的真理。

202、改善人類語言

人類語言是伴隨人類的進(jìn)化和發(fā)展而產(chǎn)生和發(fā)展的，對人類的智能活動起到極其重要的作用。根據(jù)語言學(xué)的觀點(diǎn)，語言是思維的表現(xiàn)和工具，思維規(guī)律可用語言學(xué)方法加以研究，但人的下意識和潛意識往往“只能意會，不可言傳”。由于采用人工智能技術(shù)，綜合應(yīng)用語法、語義和形式知識表示方法，有可能在改善知識的自然語言表示的同時(shí)，把知識闡述為適用的人工智能形式。

213、改善文化生活

人工智能技術(shù)為人類文化生活打開了許多新的窗口?，F(xiàn)有的各種智力游戲機(jī)將發(fā)展為具有更高智能的文化娛樂手段。機(jī)器視覺技術(shù)能夠提供“看”的新方法，可能產(chǎn)生特別的對應(yīng)畫面解釋的圖象變換，能夠產(chǎn)生相似狀況的幻覺，并顯示出接收效果的超現(xiàn)實(shí)表示。視覺系統(tǒng)還能夠以特別方式重構(gòu)場景；這種能力必將對圖形藝術(shù)、廣告和社會教育部門產(chǎn)生深遠(yuǎn)的影響，例如，將改變電視的面貌，使人們在電視機(jī)前享受更高級的文娛生活。

舉例：建立“知識精煉廠”。2213.3對人工智能的展望教學(xué)內(nèi)容：展望人工智能的發(fā)展方向。

教學(xué)重點(diǎn)：人工智能的發(fā)展方向。

教學(xué)難點(diǎn)：讓學(xué)生按自己的觀點(diǎn)來思考人工智能的發(fā)展問題。

教學(xué)方法：討論為主。

教學(xué)要求：引導(dǎo)學(xué)生積極投入對人工智能的未來發(fā)展趨勢的討論，活躍學(xué)術(shù)思想。

討論：人工智能將會怎樣發(fā)展？應(yīng)該在哪些方面進(jìn)一步開展研究？

習(xí)題：寫一篇小論文，談?wù)勅斯ぶ悄艿奈磥戆l(fā)展趨勢與對策。

2313.3.1更新的理論框架人工智能研究存在不少問題：

(1)宏觀與微觀隔離

一方面是哲學(xué)、認(rèn)知科學(xué)、思維科學(xué)和心理學(xué)等學(xué)科所研究的智能層次太高、太抽象；另一方面是人工智能邏輯符號、神經(jīng)網(wǎng)絡(luò)和行為主義所研究的智能層次太低。這兩方面之間相距太遠(yuǎn)，中間還有許多層次未予研究，無法把宏觀與微觀有機(jī)地結(jié)合起來和相互滲透。

24(2)全局與局部割裂

人類智能是腦系統(tǒng)的整體效應(yīng)，有著豐富的層次和多個側(cè)面。但是，符號主義只抓住人腦的抽象思維特性；連接主義只模仿人的形象思維特性；行為主義則著眼于人類智能行為特性及其進(jìn)化過程。它們存在明顯的局限性。

25

(3)理論和實(shí)際脫節(jié)

大腦的實(shí)際工作，在宏觀上我們已知道得不少；但是智能的千姿百態(tài)，變幻莫測，復(fù)雜得難以理出清晰的頭緒。在微觀上，我們對大腦的工作機(jī)制卻知之甚少，似是而非，使我們難以找出規(guī)律。在這種背景下提出的各種人工智能理論，只是部分人的主觀猜想，能在某些方面表現(xiàn)出“智能”就算相當(dāng)成功了。26

上述存在問題和其它問題說明，人腦的結(jié)構(gòu)和功能要比人們想象的復(fù)雜得多，人工智能研究面臨的困難要比我們估計(jì)的重大得多，人工智能研究的任務(wù)要比我們討論過的艱巨得多。同時(shí)也說明，要從根本上了解人腦的結(jié)構(gòu)和功能，解決面臨的難題，完成人工智能的研究任務(wù)，需要尋找和建立更新的人工智能框架和理論體系，打下人工智能進(jìn)一步發(fā)展的理論基礎(chǔ)。我們至少需要經(jīng)過幾代人的持續(xù)奮斗，進(jìn)行多學(xué)科聯(lián)合協(xié)作研究，才可能基本上解開“智能”之謎，使人工智能理論達(dá)到一個更高的水平。

2713.3.2更好的技術(shù)集成

人工智能技術(shù)是智能技術(shù)與各種信息處理技術(shù)及相關(guān)學(xué)科技術(shù)的集成。要集成的信息技術(shù)除數(shù)字技術(shù)外，還包括計(jì)算機(jī)網(wǎng)絡(luò)、遠(yuǎn)程通信、數(shù)據(jù)庫、計(jì)算機(jī)圖形學(xué)、語音與聽覺、機(jī)器人學(xué)、過程控制、并行計(jì)算、量子計(jì)算、光計(jì)算和生物信息處理等技術(shù)。

智能系統(tǒng)不僅包括心理學(xué)、語言學(xué)、現(xiàn)代計(jì)算技術(shù)、認(rèn)知科學(xué)和計(jì)算語言學(xué)，而且還包括社會學(xué)、人類學(xué)以及哲學(xué)和系統(tǒng)科學(xué)等。計(jì)算不僅是智能系統(tǒng)支持結(jié)構(gòu)的重要部分，而且是智能系統(tǒng)的活力所在，就象血液對于人體一樣重要。

2813.3.3更成熟的應(yīng)用方法

人工智能的實(shí)現(xiàn)固然需要硬件的保證，然而，軟件應(yīng)是人工智能的核心技術(shù)。許多人工智能應(yīng)用問題需要開發(fā)復(fù)雜的軟件系統(tǒng)，這有助于促進(jìn)軟件工程學(xué)科的出現(xiàn)與發(fā)展。軟件工程能為一定類型的問題求解提供標(biāo)準(zhǔn)化程序；知識軟件則能為人工智能問題求解提供有效的編程手段。由于人工智能應(yīng)用問題的復(fù)雜性和廣泛性，傳統(tǒng)的軟件設(shè)計(jì)方法顯然是不夠用和不適用的。人工智能方法必須支持人工智能系統(tǒng)的開發(fā)實(shí)驗(yàn)，并允許系統(tǒng)有組織地從一個較小的核心原型逐漸發(fā)展為一個完整的應(yīng)用系統(tǒng)。

29

應(yīng)當(dāng)有信心地期望將要研究出通用而有效的人工智能開發(fā)方法。更高級的AI通用語言、更有效的AI專用語言與開發(fā)環(huán)境或工具以及人工智能開發(fā)專用機(jī)器將會不斷出現(xiàn)及更新，為人工智能研究和開發(fā)提供有力的工具。我們確信，最終定能研究出使人工智能成功地應(yīng)用于更多領(lǐng)域的和更成熟的方法。30

在當(dāng)前的人工智能應(yīng)用方法研究中，有幾個引人注目的課題，即多種方法混合技術(shù)、多專家系統(tǒng)技術(shù)、機(jī)器學(xué)習(xí)(尤以神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和知識發(fā)現(xiàn))方法、硬件軟件一體化技術(shù)以及并行分布處理技術(shù)等。其中，有人認(rèn)為：對人腦機(jī)理和分布式人工智能的研究，確立了新一代計(jì)算機(jī)的基礎(chǔ)。

31

隨著人工智能應(yīng)用方法的日漸成熟，人工智能的應(yīng)用領(lǐng)域必將不斷擴(kuò)大。我們可以預(yù)言，人工智能、智能機(jī)器和智能系統(tǒng)比現(xiàn)在的電子計(jì)算機(jī)一定會有廣泛得多的應(yīng)用領(lǐng)域。哪里有人類活動，哪里就將應(yīng)用到人工智能技術(shù)。

32

13.4結(jié)束語

本章將簡要介紹人工智能學(xué)派的爭論，討論人工智能對人類未來的影響，并展望人工智能發(fā)展的某些問題。對于人工智能的未來發(fā)展，我們是持樂觀態(tài)度的。我們相信人工智能有個更加美好的未來，盡管這一天可能相距尚遠(yuǎn)；而且，這一天的到來，需要付出辛勤勞動和昂貴代價(jià)，需要好幾代人的持續(xù)奮斗。

33演講完畢，謝謝觀看！附錄資料：人工智能簡介?AboutTeachingPlan基本要求：人工智能是計(jì)算機(jī)科學(xué)中涉及研究、設(shè)計(jì)和應(yīng)用智能機(jī)器的一個分支，是目前迅速發(fā)展的一門新興學(xué)科，新思想新方法層出不窮。其基本思想是利用機(jī)器來模仿和執(zhí)行人腦的功能，如判斷、推理、證明、識別、感知、理解、設(shè)計(jì)、思考、規(guī)劃、學(xué)習(xí)和問題求解等思維活動。對于培養(yǎng)學(xué)生計(jì)算機(jī)技術(shù)的應(yīng)用能力，開闊思路和視野，有重要意義。

?AboutTeachingPlan因此，要求學(xué)生掌握知識表示和問題求解的幾種常用方法，尤其是不確定性推理；掌握機(jī)器學(xué)習(xí)基本概念，了解幾種機(jī)器學(xué)習(xí)方法尤其是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法；掌握專家系統(tǒng)的概念，了解專家系統(tǒng)設(shè)計(jì)方法，掌握一些智能控制方法，了解國內(nèi)外人工智能研究尤其是機(jī)器人的最新進(jìn)展；具有一定的人工智能編程設(shè)計(jì)能力（利用Lisp或Prolog語言）。?AboutTeachingPlan課程內(nèi)容以及學(xué)時(shí)分配人工智能引論(1) 人工智能概念及與計(jì)算機(jī)的關(guān)系，研究途徑、內(nèi)容和應(yīng)用領(lǐng)域概況介紹，其他最新材料。符號主義、連接主義、行為主義三大流派人工智能數(shù)學(xué)基礎(chǔ)(1)知識表示方法（2） 狀態(tài)空間法、問題歸約法，謂詞邏輯法、產(chǎn)生式表示法（動物識別系統(tǒng)）；CLIPS語言；語義網(wǎng)絡(luò)法、框架法（這是結(jié)構(gòu)化表示）；劇本、過程、Petri網(wǎng)、面向?qū)ο蟮谋硎尽?AboutTeachingPlan 搜索技術(shù)和策略（3-4）狀態(tài)空間法，盲目搜索和啟發(fā)式搜索，A*算法；海伯倫理論、消解原理和策略；與\或形推理和搜索策略；其他求解技術(shù)。 不確定推理技術(shù)（3-4）主觀Bayes理論；可信度方法和證據(jù)理論；系統(tǒng)組織技術(shù)；非單調(diào)推理；Rete快速算法；模糊推理技術(shù)；基于語義網(wǎng)絡(luò)和框架不確定推理； 專家系統(tǒng)（2）專家系統(tǒng)概念、結(jié)構(gòu)和知識獲?。缓诎迥Ｐ?、知識組織、管理及系統(tǒng)建造和開發(fā)工具；專家系統(tǒng)舉例及編程。

人工智能程序設(shè)計(jì)（1）人工智能語言基本機(jī)制：LISP和PROLOG。?AboutTeachingPlan 模式識別導(dǎo)論（3）模式識別專題：概率模式識別。模式識別專題：結(jié)構(gòu)模式識別 機(jī)器學(xué)習(xí)（1）：機(jī)械,解釋經(jīng)驗(yàn),事例,歸納,概念,類比學(xué)習(xí)等；統(tǒng)計(jì),結(jié)構(gòu),模糊模式識別。 專題講座（3次） 1)神經(jīng)網(wǎng)絡(luò)基本理論和應(yīng)用 (史奎凡課程：安排于人工智能理論與應(yīng)用課程內(nèi))； 2)智能體（Agent）； 3)自然語言處理； 4)智能控制和機(jī)器人科學(xué) 智能控制的結(jié)構(gòu)理論和研究領(lǐng)域，智能控制系統(tǒng)及應(yīng)用示例；機(jī)器人規(guī)劃、機(jī)器視覺和自然語言理解等。?AboutTeachingPlan 實(shí)踐：1) 搜索技術(shù)和策略2) 不確定推理技術(shù)3) 專家系統(tǒng)：動物識別系統(tǒng)4) 模式識別技術(shù)5) 調(diào)研： 搜索技術(shù)和策略、不確定推理技術(shù)、統(tǒng)計(jì)模式識別、機(jī)器學(xué)習(xí)等四個領(lǐng)域進(jìn)展報(bào)告。?ChapterOne:BriefIntroductiontoArtificialIntelligence1.WhatisAI?人工智能（ArtificialIntelligence,AI）是當(dāng)前科學(xué)技發(fā)展的一門前沿學(xué)科，同時(shí)也是一門新思想，新觀念，新理論，新技術(shù)不斷出現(xiàn)的新興學(xué)科以及正在發(fā)展的學(xué)科。它是在計(jì)算機(jī)科學(xué)，控制論，信息論，神經(jīng)心理學(xué)，哲學(xué)，語言學(xué)等多種學(xué)科研究的基礎(chǔ)發(fā)展起來的，因此又可把它看作是一門綜合性的邊緣學(xué)科。它的出現(xiàn)及所取得的成就引起了人們的高度重視,并取得了很高的評價(jià)。有的人把它與空間技術(shù)，原子能技術(shù)一起并譽(yù)為20世紀(jì)的三大科學(xué)技術(shù)成就。?Intelligence智能是知識與智力的總合。 知識——智能行為的基礎(chǔ)； 智力——獲取知識并運(yùn)用知識求解問題的能力。智能具有以下特征：(1)具有感知能力——指人們通過視覺、聽覺、觸覺、味覺、嗅覺等感覺器官感知外部世界的能力；(2)具有記憶與思維的能力——這是人腦最重要的功能，亦是人之所以有智能的根本原因；(3)具有學(xué)習(xí)能力及自適應(yīng)能力；(4)具有行為能力。ArtificialIntelligence人工智能——計(jì)算機(jī)科學(xué)的一個分支，是智能計(jì)算機(jī)系統(tǒng)，即人類智慧在機(jī)器上的模擬，或者說是人們使機(jī)器具有類似于人的智慧（對語言能理解、能學(xué)習(xí)、能推理）。?2.BriefHistoryofAI (1) 孕育（1956年前）古希臘的Aristotle（亞里士多德）（前384-322），給出了形式邏輯的基本規(guī)律。英國的哲學(xué)家、自然科學(xué)家Bacon（培根）（1561-1626），系統(tǒng)地給出了歸納法?！爸R就是力量”德國數(shù)學(xué)家、哲學(xué)家Leibnitz（布萊尼茨）（1646-1716）。提出了關(guān)于數(shù)理邏輯的思想，把形式邏輯符號化，從而能對人的思維進(jìn)行運(yùn)算和推理。做出了能做四則運(yùn)算的手搖計(jì)算機(jī)英國數(shù)學(xué)家、邏輯學(xué)家Boole（布爾）（1815-1864）實(shí)現(xiàn)了布萊尼茨的思維符號化和數(shù)學(xué)化的思想，提出了一種嶄新的代數(shù)系統(tǒng)——布爾代數(shù)。?美籍奧地利數(shù)理邏輯學(xué)家Godel（哥德爾）（1906-1978），證明了一階謂詞的完備性定；任何包含初等數(shù)論的形式系統(tǒng)，如果它是無矛盾的，那么一定是不完備的。意義在于，人的思維形式化和機(jī)械化的某種極限，在理論上證明了有些事是做不到的。英國數(shù)學(xué)家Turing(圖靈)（1912-1954）,1936年提出了一種理想計(jì)算機(jī)的數(shù)學(xué)模型（圖靈機(jī)），1950年提出了圖靈試驗(yàn)，發(fā)表了“計(jì)算機(jī)與智能”的論文。圖靈獎。美國數(shù)學(xué)家Mauchly，1946發(fā)明了電子數(shù)字計(jì)算機(jī)ENIAC美國神經(jīng)生理學(xué)家McCulloch，建立了第一個神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型。美國數(shù)學(xué)家Shannon（香農(nóng)）,1948年發(fā)表了《通訊的數(shù)學(xué)理論》，代表了“信息論”的誕生。? (2) 形成（1956-1969）1956年提出了“ArtificialIntelligence（人工智能）”1956年夏由麻省理工學(xué)院的J.McCarthy、M.L.Minsky,IBM公司信息研究中心的N.Rochester,貝爾實(shí)驗(yàn)室的C.E.Shannon共同發(fā)起，邀請了Moore,Samuel,Selfridge,Solomonff,Simon,Newell等人，10位數(shù)學(xué)家、信息學(xué)家、心理學(xué)家、神經(jīng)生理學(xué)家、計(jì)算機(jī)科學(xué)家，在Dartmouth大學(xué)召開了一次關(guān)于機(jī)器智能的研討會，會上McCarthy提議正式采用了ArtificialIntelligence（人工智能）這一術(shù)語。這次會議，標(biāo)志著人工智能作為一門新興學(xué)科正式誕生了。 McCarthy（麥卡錫）——人工智能之父。這次會議之后的10年間，人工智能的研究取得了許多引人矚目的成就.機(jī)器學(xué)習(xí)方面：塞繆爾于1956年研制出了跳棋程序，該程序能從棋譜中學(xué)習(xí)，也能從下棋實(shí)踐中提高棋藝；?在定理證明方面：王浩于1958年在IBM機(jī)上證明了《數(shù)學(xué)原理》中有關(guān)命題演算的全部定理（220條），還證明了謂詞演算中150條定理85%；1965年，魯賓遜（Robinson）提出了消解原理；在模式識別方面：1959年塞爾夫里奇推出了一個模式識別程序；1965年羅伯特（Robert）編制出可辨別積木構(gòu)造的程序；在問題求解方面：1960年紐厄爾等人通過心理學(xué)試驗(yàn)總結(jié)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GPS,可以用來求解11種不同類型的問題；在專家系統(tǒng)方面：斯坦福大學(xué)的費(fèi)根鮑姆（E.A.Feigenbaum）自1965年開始進(jìn)行專家系統(tǒng)DENDRAL（化學(xué)分析專家系統(tǒng)），1968年完成并投入使用；在人工智能語言方面：1960年McCarthy等人建立了人工智能程序設(shè)計(jì)語言Lisp，該語言至今仍是建造智能系統(tǒng)的重要工具；1969年成立了國際人工智能聯(lián)合會議（InternationalJointConferencesOnArtificialIntelligence）? (3) 發(fā)展（1970年以后）70年代，開始從理論走向?qū)嵺`，解決一些實(shí)際問題。同時(shí)很快就發(fā)現(xiàn)問題：歸結(jié)法費(fèi)時(shí)、下棋贏不了全國冠軍、機(jī)器翻譯一團(tuán)糟。以Feigenbaum為首的一批年輕科學(xué)家改變了戰(zhàn)略思想，1977年提出知識工程的概念，以知識為基礎(chǔ)的專家咨詢系統(tǒng)開始廣泛的應(yīng)用。著名專家系統(tǒng)的有：DENDRAL化學(xué)分析專家系統(tǒng)（斯坦福大學(xué)1968）MACSYMA符號數(shù)學(xué)專家系統(tǒng)（麻省理工1971）MYCIN診斷和治療細(xì)菌感染性血液病的專家咨詢系統(tǒng)（斯坦福大學(xué)1973）CASNET(CausalASsciationalNetwork)診斷和治療青光眼的專家咨詢系統(tǒng)（拉特格爾斯（Rutgers）大學(xué)70年代中）CADUCEUS(原名INTERNIST)醫(yī)療咨詢系統(tǒng)（匹茲堡大學(xué)）；HEARSAYI和II語音理解系統(tǒng)（卡內(nèi)基-梅隆大學(xué)）PROSPECTOR地質(zhì)勘探專家系統(tǒng)（斯坦福大學(xué)1976）XCON計(jì)算機(jī)配置專家系統(tǒng)（卡內(nèi)基-梅隆大學(xué)1978）??80年代，人工智能發(fā)展達(dá)到階段性的頂峰。?87,89年世界大會有６－７千人參加。硬件公司有上千個。并進(jìn)行Lisp硬件、Lisp機(jī)的研究。?在專家系統(tǒng)及其工具越來越商品化的過程中,國際軟件市場上形成了一門旨在生產(chǎn)和加工知識的新產(chǎn)業(yè)——知識產(chǎn)業(yè)。應(yīng)該說，知識工程和專家系統(tǒng)是近十余年來人工智能研究中最有成就的分支之一。?同年代，1986年Rumlhart領(lǐng)導(dǎo)的并行分布處理研究小組提出了神經(jīng)元網(wǎng)絡(luò)的反向傳播學(xué)習(xí)算法，解決了神經(jīng)網(wǎng)絡(luò)的根本問題之一。從此，神經(jīng)網(wǎng)絡(luò)的研究進(jìn)入新的高潮。?90年代，計(jì)算機(jī)發(fā)展趨勢為小型化、并行化、網(wǎng)絡(luò)化、智能化。?人工智能技術(shù)逐漸與數(shù)據(jù)庫、多媒體等主流技術(shù)相結(jié)合，并融合在主流技術(shù)之中，旨在使計(jì)算機(jī)更聰明、更有效、與人更接近。?日本政府于1992年結(jié)束了為期十年的稱為“知識信息處理體統(tǒng)”的第五代計(jì)算機(jī)系統(tǒng)研究開發(fā)計(jì)劃。并開始了為期十年的實(shí)況計(jì)算（RealWordComputing）計(jì)劃。?3.ResearchObjectsandMainContents

(1)人工智能的研究目標(biāo)

人工智能的長期研究目標(biāo)：構(gòu)造智能計(jì)算機(jī)。

人工智能的近期研究目標(biāo)：使現(xiàn)有的電子計(jì)算機(jī)更聰明，更有用，使它不僅能做一般的數(shù)值計(jì)算及非數(shù)值信息的數(shù)據(jù)處理，而且能運(yùn)用知識處理問題，能模擬人類的部分智能行為。?(2)人工智能研究的基本內(nèi)容

1.機(jī)器感知以機(jī)器視覺與機(jī)器聽覺為主。機(jī)器感知是機(jī)器獲取外部信息的基本途徑，是使機(jī)器具有智能不可或缺的組成部分，對此人工智能中已形成兩個專門的研究領(lǐng)域——

模式識別和自然語言理解。2.機(jī)器思維指通過感知的外部信息及機(jī)器內(nèi)部的各種工作信息進(jìn)行有目的的處理。主要開展以下幾方面的研究：(1)知識表示(2)知識的組織，累計(jì)，管理技術(shù)(3)知識的推理(4)各種啟發(fā)式搜索及控制策略(5)神經(jīng)網(wǎng)絡(luò)，人腦的結(jié)構(gòu)及其工作原理?3.機(jī)器學(xué)習(xí)

使計(jì)算能自動獲取知識，能直接向書本學(xué)習(xí)，能通過與人談話學(xué)習(xí)，能通過對環(huán)境的觀察學(xué)習(xí)，并能在實(shí)踐中自我完善。4.機(jī)器行為機(jī)器行為主要指計(jì)算機(jī)的表達(dá)能力，即“說”、“寫”、“畫”等，對智能機(jī)器人，還應(yīng)該有人的四肢功能，即能走路，能取物，能操作等。5.智能系統(tǒng)及智能計(jì)算機(jī)的構(gòu)造技術(shù)?4.ResearchObjectsandMainContents人工智能面世以來，其研究途徑存在兩種不同的觀點(diǎn)：以符號處理為核心的方法——主張通過運(yùn)用計(jì)算機(jī)科學(xué)的方法進(jìn)行研究，實(shí)現(xiàn)人工智能在計(jì)算機(jī)的模擬。以網(wǎng)絡(luò)連接為主的連接機(jī)制方法——主張用生物學(xué)的方法進(jìn)行研究，搞清楚人類智能的本質(zhì)。(1)以符號處理為核心的方法該方法起源于紐厄爾等人的通用問題求解系統(tǒng)（GPS），用于模擬人類求解問題的心理過程，逐漸形成為物理符號系統(tǒng)，這種方法認(rèn)為： 人類研究的目標(biāo)是實(shí)現(xiàn)機(jī)器智能，而計(jì)算機(jī)自身具有符號處理能力，這種能力本身就蘊(yùn)含著演繹推理的內(nèi)涵，因而可通過運(yùn)行相應(yīng)的程序來體現(xiàn)某種基于邏輯思維的智能行為，達(dá)到模擬人類智能活動的效果。目前人工智能的大部分研究成果都是基于這種方法實(shí)現(xiàn)的。?

該方法的主要特征是：

?立足于邏輯運(yùn)算和符號操作，適合于模擬人的邏輯思維過程，解決需要進(jìn)行邏輯推理的復(fù)雜問題；

?知識可用顯式的符號表示；

?便于模塊化；?能與傳統(tǒng)的符號數(shù)據(jù)庫鏈接；?可對推理結(jié)論做出解釋，便于對各種可能性進(jìn)行選擇。

但該方法不適合于形象思維；而且在用符號表示概念時(shí)其有效性在很大程度上取決于符號表示的正確性，且對帶噪聲的信息及不完整的信息難以處理。(2)以網(wǎng)絡(luò)連接為主的連接機(jī)制方法該方法是在人腦神經(jīng)元及其相互連接而成網(wǎng)絡(luò)的啟示下，試圖通過多人工神經(jīng)元間的并行協(xié)同作用來實(shí)現(xiàn)對人類智能的模擬。該方法認(rèn)為：大腦是人類一切智能活動的基礎(chǔ)，因而從大腦神經(jīng)元及其連接機(jī)制著手進(jìn)行研究，搞清楚大腦的結(jié)構(gòu)及它進(jìn)行信息處理的過程及機(jī)理，可望揭示人類智能的奧秘，從而真正實(shí)現(xiàn)人類智慧在機(jī)器上的模擬。?該方法的主要特征：?通過神經(jīng)元之間的并行協(xié)同作用實(shí)現(xiàn)信息處理，處理過程具有并行性、動態(tài)性、全局性；?通過神經(jīng)元間分布式的物理聯(lián)系存儲知識和信息，因而可以實(shí)現(xiàn)聯(lián)想功能，對于帶有噪聲、缺損、變形的信息能進(jìn)行有效地處理。近期的一些研究表明，該方法在模式識別、圖像信息壓縮等方面取得了一些研究成果；?通過神經(jīng)元間連接強(qiáng)度的動態(tài)調(diào)整來實(shí)現(xiàn)對人類學(xué)習(xí)、分類等的模擬；?適合于模擬人類的形象思維過程；?求解問題時(shí)，可以比較快地球的一個近似解。該方法不適合于模擬人的邏輯思維過程，而且就目前神經(jīng)網(wǎng)絡(luò)的研究現(xiàn)狀來看，由固定的體系結(jié)構(gòu)與組成方案所構(gòu)成的系統(tǒng)還達(dá)不到開發(fā)多種多樣知識的要求。?(3)系統(tǒng)集成

?符號方法善于模擬人的邏輯思維過程，求解問題時(shí)，如果問題有解，它可以準(zhǔn)確地求出最優(yōu)解；但求解過程的運(yùn)算量將隨問題的復(fù)雜性的增加成指數(shù)性增長，另外其知識和信息的符號化過程需要由人來完成，它自身不具備這種功能。?連接