夏潔云
（廣州市工程技術(shù)職業(yè)學(xué)院）
摘要：通過(guò)機器實(shí)現模仿人類(lèi)的行為，已經(jīng)有很長(cháng)的歷史了。人工智能研究作為一門(mén)科學(xué)的前沿和交叉學(xué)科，它的發(fā)展歷史和計算機科學(xué)與技術(shù)的發(fā)展史聯(lián)系在一起。本文介紹了人工智能的定義和發(fā)展歷程，并對人工智能的未來(lái)作了大膽的預測。
關(guān)鍵詞：人工智能 進(jìn)化 自動(dòng)定理證明 搜索 知識工程
1 人工智能簡(jiǎn)介
人工智能已對現實(shí)社會(huì )做出了非常重大的貢獻，而且其作用已在各領(lǐng)域發(fā)揮得淋漓盡致，特別是在計算機領(lǐng)域，人工智能的應用更加突出，可以說(shuō)，哪里有計算機應用，哪里就在應用人工智能；哪里需要自動(dòng)化或半自動(dòng)化，哪里就在應用人工智能的理論、方法和技術(shù)。 目前，人工智能應用的主要領(lǐng)域，也就是計算機應用的主要領(lǐng)域。
人工智能是一門(mén)研究人類(lèi)智能的機理以及如何用機器模擬人的智能的學(xué)科。從后一種意義上講，人工智能又被稱(chēng)為“機器智能”或“智能模擬”。人工智能是在現代電子計算機出現之后才發(fā)展起來(lái)的，它一方面成為人類(lèi)智能的延長(cháng)，另一方面又為探討人類(lèi)智能機理提供了新的理論和研究方法。
人工智能研究的一個(gè)主要目的是使機器能夠勝任一些通常需要人類(lèi)智能才能完成的復雜工作。但是，不同的時(shí)代、不同的人對這種“復雜工作”的理解是不同的。例如繁重的科學(xué)和工程計算本來(lái)是要人腦來(lái)承擔的，現在電子計算機不但能完成這種計算，而且能夠比人腦做得更快、更準確，于是當代人已不再把這種計算看作是“需要人類(lèi)智能才能完成的復雜任務(wù)”?？梢?jiàn)復雜工作的定義是隨著(zhù)時(shí)代的發(fā)展和技術(shù)的進(jìn)步而變化的，人工智能這門(mén)科學(xué)的具體目標也自然隨著(zhù)時(shí)代的變化而發(fā)展。它一方面不斷獲得新的進(jìn)展，一方面又轉向更有意義、更加困難的目標。
人工智能的發(fā)展歷史是和計算機科學(xué)與技術(shù)的發(fā)展史聯(lián)系在一起的。除了計算機科學(xué)以外，人工智能還涉及信息論、控制論、自動(dòng)化、仿生學(xué)、生物學(xué)、心理學(xué)、數理邏輯、語(yǔ)言學(xué)、醫學(xué)和哲學(xué)等多門(mén)學(xué)科。
從國際范圍來(lái)看，人工智能的研究途徑主要有三條。第一，生理學(xué)途徑，采用仿生學(xué)的方法，模擬動(dòng)物和人的感官以及大腦的結構和機能，制成神經(jīng)元模型和腦模型；第二，心理學(xué)途徑，應用實(shí)驗心理學(xué)方法，總結人們思維活動(dòng)的規律，用電子計算機進(jìn)行心理模擬；第三，工程技術(shù)途徑，研究怎樣用電子計算機從功能上模擬人的智能行為。目前，第三種研究方法發(fā)展較快。它也從前兩種方法中吸收新的思想，依靠新的啟示擴大自己的成果。
2 人工智能的過(guò)去
一般認為，人工智能的思想萌芽可以追溯到德國著(zhù)名數學(xué)家和哲學(xué)家萊布尼茨(Leibnitz，1646-1716)提出的"通用語(yǔ)言"設想。這一設想的要點(diǎn)是：建立一種通用的符號語(yǔ)言，用這個(gè)語(yǔ)言中的符號表達“思想內容”，用符號之間的形式關(guān)系表達“思想內容”之間的邏輯關(guān)系。于是，在“通用語(yǔ)言”中可以實(shí)現“思維的機械化”這一設想可以看成是對人工智能的最早描述。
計算機科學(xué)的創(chuàng )始人圖靈被認為是“人工智能之父”，他著(zhù)重研究了一臺計算機應滿(mǎn)足怎樣的條件才能稱(chēng)為是“有智能的”。1950年他提出了著(zhù)名的“圖靈實(shí)驗”：讓一個(gè)人和一臺計算機分別處于兩個(gè)房間里，與外界的聯(lián)系僅僅通過(guò)鍵盤(pán)和打印機。由人類(lèi)裁判員向房間里的人和計算機提問(wèn)(比如：“你是機器還是人?”或“你是男人還是女人?”等等)，并通過(guò)人和計算機的回答來(lái)判斷哪個(gè)房間里是人、哪個(gè)房間里是計算機。圖靈認為，如果“中等程度”的裁判員不能正確地區分，則這樣的計算機可以稱(chēng)為是有智能的?！皥D靈實(shí)驗”是關(guān)于智能標準的一個(gè)明確定義。有趣的是，盡管后來(lái)有些計算機已經(jīng)通過(guò)了圖靈實(shí)驗，但人們并不承認這些計算機是有智能的。這反映出人們對智能標準的認識更深入、對人工智能的要求更高了?！ ?
幾乎在圖靈上述工作的同時(shí)，馮·諾依曼從生物學(xué)角度研究了人工智能。從生物學(xué)的觀(guān)點(diǎn)看，智能是進(jìn)化的結果，而進(jìn)化的基本條件之一是“繁殖”。為此， 馮·諾依曼構造了“自再生自動(dòng)機”，這是一種有“繁殖”能力的數學(xué)模型。 馮·諾依曼的分析表明， 自再生自動(dòng)機的內容結構對于“繁殖”是充分的和必要的。他進(jìn)而推測，這種結構必定存在于活的細胞之中。五年之后，克里克和沃森關(guān)于DNA結構的重大發(fā)現完全證實(shí)了馮·諾依曼的猜測： 自再生自動(dòng)機的幾個(gè)功能模塊均有生物學(xué)上的對應物。其中，模塊A對應于核糖體，B對應于RND酶和DNA聚合酶，D對應于RNA和DNA，E對應于阻遏控制分子和抗阻遏控制分子等。 馮·諾依曼的工作為后來(lái)人工智能中的一條研究路線(xiàn)(人工生命)提供了重要的基礎?！ ?/p>
圖靈和馮·諾依曼的上述工作，以及麥克考洛和匹茨對神經(jīng)元網(wǎng)的數學(xué)模型的研究，構成了人工智能的初創(chuàng )階段?！ ?/p>
1956年夏天舉行的達德茅斯研討會(huì )，被認為是人工智能作為一門(mén)獨立學(xué)科正式誕生的標志。這次研討會(huì )聚集了來(lái)自數學(xué)、信息科學(xué)、心理學(xué)、神經(jīng)生理學(xué)和計算機科學(xué)等不同領(lǐng)域的領(lǐng)導者，包括Minsky，Rochester， Simon， Solonio和Mccarthy等。其中，Miusky，Mccarthy，Newell和Simon后來(lái)被認為是美國人工智能界的“四大領(lǐng)袖”。與會(huì )者從不同角度搜索了使機器具有智能的途徑和方式，并決定用“人工智能”(Artificial Intelligence)一詞來(lái)概括這一新的研究方向。達德茅斯研討會(huì )開(kāi)創(chuàng )了人工智能的第一個(gè)發(fā)展時(shí)期。在這個(gè)時(shí)期里，研究者們展開(kāi)了一系列開(kāi)創(chuàng )性工作，并取得了引人注目的成果。
會(huì )后不久，Newell，Shaw和Simon完成了一個(gè)自動(dòng)證明數學(xué)定理的計算機程序Logic Theorist (此前Martin和Davis曾編制了一個(gè)算術(shù)定理的證明程序，但未發(fā)表)，證明了《數學(xué)原理》第二章中的38條定理，由此開(kāi)創(chuàng )了人工智能中“自動(dòng)定理證明”這一分支。
1958年，美籍邏輯學(xué)家王浩在自動(dòng)定理證明中取得的重要進(jìn)展。他的程序在IBM 704計算機上用不到5分鐘的時(shí)間證明了《數學(xué)原理》中“命題演算”的全部220條定理。1959年，王浩的改進(jìn)程序用8.4分鐘證明了上述220條定理及謂詞演算的絕大部分定理。
1983年，美國數學(xué)學(xué)會(huì )將自動(dòng)定理證明的第一個(gè)“里程碑獎”授予王浩，以表彰他的杰出貢獻(自動(dòng)定理證明的“里程碑獎”每25年評選一次，由此可見(jiàn)其份量)。受王浩工作的鼓舞，自動(dòng)定理證明的研究形成一股熱潮。比如，Slagle的符號積分程序SAINT經(jīng)測試已達到了大學(xué)生的積分演算水準;而Mosis的SIN程序的效率比SAINT提高了約三倍，被認為達到了專(zhuān)家水平。
自動(dòng)定理證明的理論價(jià)值和應用范圍并不局限于數學(xué)領(lǐng)域。事實(shí)上，很多問(wèn)題可以轉化為定理證明問(wèn)題，或者與定理證明有關(guān)?？梢哉J為，自動(dòng)定理證明的核心問(wèn)題是自動(dòng)推理，而推理在人的智能行為中起普遍性的重要作用?；谶@一看法，在自動(dòng)定理證明的基礎上進(jìn)一步研究通用問(wèn)題求解，是一個(gè)值得探索的課題。從1957年開(kāi)始，Newell，Shaw和Simon等人著(zhù)手研究不依賴(lài)于具體領(lǐng)域的通用解題程序，稱(chēng)之為GPS，它是在Logic Theorist的基礎上發(fā)展起來(lái)的，雖然后來(lái)的實(shí)踐表明，GPS作為一個(gè)獨立的求解程序，其能力是有限的，但在GPS中發(fā)展起來(lái)的技術(shù)對人工智能的發(fā)展有重要意義．
人工智能早期研究給人的深刻印象是博羿，1956年，Samnel研制了一個(gè)西洋跳棋程序，該程序“天生”下跳棋水平很低，遠遠不是Samuel的對手。但它有學(xué)習能力，能從棋譜中學(xué)習，也能在實(shí)踐中總結提高。經(jīng)過(guò)三年的“學(xué)習”，該程序與1959年打敗了Samuel;又經(jīng)過(guò)三年，打敗了美國一個(gè)州的冠軍。值得注意的是，雖然下棋至多只能算是一項體育運動(dòng)，下棋的程序似乎只是一種游戲程序，但Samuel工作的意義十分重大：它同時(shí)刺激了“搜索”和“機器學(xué)習”這兩個(gè)人工智能重要領(lǐng)域的發(fā)展?！ ?
與自動(dòng)定理證明的研究意義不限于數學(xué)一樣，搜索的研究意義也不限于博弈。根據認知心理學(xué)的信息處理學(xué)派的觀(guān)點(diǎn)，人類(lèi)思維過(guò)程的很大一部分可以抽象為從問(wèn)題的初始狀態(tài)經(jīng)中間狀態(tài)到達終止狀態(tài)的過(guò)程，因此可以轉化為一個(gè)搜索問(wèn)題，由機器自動(dòng)地完成。例如“規劃”問(wèn)題。設想一臺機器人被要求完成一項復雜任務(wù)，該任務(wù)包含很多不同的子任務(wù)，其中某些子任務(wù)只有在另一些子任務(wù)完成之后才能進(jìn)行。這時(shí)，機器人需要事先“設想”一個(gè)可行的行動(dòng)方案，使得依照該方案采取行動(dòng)可以順利完成任務(wù)?！耙巹潯奔凑页鲆粋€(gè)可行的行動(dòng)方案，可以通過(guò)以其子任務(wù)為狀態(tài)、以其子任務(wù)間依賴(lài)關(guān)系為直接后繼關(guān)系的狀態(tài)空間中的搜索來(lái)實(shí)現?！ ?
人工智能的早期研究還包括自然語(yǔ)言理解、計算機視覺(jué)和機器人等等。通過(guò)大量研究發(fā)現，僅僅依靠自動(dòng)推理的搜索等通用問(wèn)題求解手段是遠遠不夠的。Newell和Simon等人的認知心理學(xué)研究表明，各個(gè)領(lǐng)域的專(zhuān)家之所以在其專(zhuān)業(yè)領(lǐng)域內表現出非凡的能力，主要是因為專(zhuān)家擁有豐富的專(zhuān)門(mén)知識(領(lǐng)域知識和經(jīng)驗)。70年代中期，Feigenbaum提出知識工程概念，標志著(zhù)人工智能進(jìn)入第二個(gè)發(fā)展時(shí)期。知識工程強調知識在問(wèn)題求解中的作用；相應地，研究?jì)热菀矂澐譃槿齻€(gè)方面：知識獲取，知識表示和知識利用。知識獲取研究怎樣有效地獲得專(zhuān)家知識；知識表示研究怎樣將專(zhuān)家知識表示成在計算機內易于存儲、易于使用的形式；知識利用研究怎樣利用已得到恰當表示的專(zhuān)家知識去解決具體領(lǐng)域內的問(wèn)題。知識工程的主要技術(shù)手段是在早期成果的基礎上發(fā)展起來(lái)的，特別是知識利用，主要依靠自動(dòng)推理和搜索的技術(shù)成果。在知識表示方面，除使用早期工作中出現的邏輯表示法和過(guò)程表示法之外，還發(fā)展了在聯(lián)想記憶和自然語(yǔ)言理解研究中提出的語(yǔ)義網(wǎng)表示法，進(jìn)而引入了框架表示法，概念依賴(lài)和腳本表示法以及產(chǎn)生式表示法等等各種不同方法。與早期研究不同，知識工程強調實(shí)際應用。主要的應用成果是各種專(zhuān)家系統。專(zhuān)家系統的核心部件包括：
(a)表達包括專(zhuān)家知識和其他知識的知識庫?！ ?
(b)利用知識解決問(wèn)題的推理機?！ ?/p>
大型專(zhuān)家系統的開(kāi)發(fā)周期往往長(cháng)達10余年，其主要原因在于知識獲取。領(lǐng)域專(zhuān)家雖然能夠很好地解決問(wèn)題，卻往往說(shuō)不清自己是怎么解決的，使用了哪些知識。這使得負責收集專(zhuān)家知識的知識工程師很難有效地完成知識獲取任務(wù)。這種狀況極大的激發(fā)了自動(dòng) 知識獲取----機器學(xué)習研究的深入發(fā)展。已經(jīng)得到較多研究的機器學(xué)習方法包括：歸納學(xué)習、類(lèi)比學(xué)習、解釋學(xué)習、強化學(xué)習和進(jìn)化學(xué)習等等。機器學(xué)習的研究目標是：讓機器從自己或“別人”的問(wèn)題求解經(jīng)驗中獲取相關(guān)的知識和技能，從而提高解決問(wèn)題的能力?！ ?/p>
3 人工智能的現在
80年代以來(lái)，隨著(zhù)計算機網(wǎng)絡(luò )的普及，特別是Internet的出現，各種計算機技術(shù)包括人工智能技術(shù)的廣泛應用推動(dòng)著(zhù)人機關(guān)系的重大變化。據日美等國未來(lái)學(xué)家的預測，人機關(guān)系正在迅速地從“以人為紐帶”的傳統模式向“以機為紐帶”的新模式轉變人機關(guān)系的這一轉變將引起社會(huì )生產(chǎn)方式和生活方式的巨大變化，同時(shí)也向人工智能乃至整個(gè)信息技術(shù)提出了新的課題。這促使人工智能進(jìn)入第三個(gè)發(fā)展時(shí)期?！ ?/p>
在這個(gè)新的發(fā)展時(shí)期中，人工智能面臨一系列新的應用需求。
首先是需要提供強有力的技術(shù)手段，以支持分布式協(xié)同工作方式，現代生產(chǎn)是一種社會(huì )化大生產(chǎn)，來(lái)自不同專(zhuān)業(yè)的工作者在不同或相同的時(shí)間、地點(diǎn)從事著(zhù)同一任務(wù)的不同子任務(wù)。這要求計算機不僅為每一項子任務(wù)提供輔助和支持，更需要為子任務(wù)之間的協(xié)調提供輔助和支持。由于各個(gè)子任務(wù)在很大程度上可以獨立地進(jìn)行，子任務(wù)之間的關(guān)系必然呈現出動(dòng)態(tài)變化和難以預測的特點(diǎn)。于是，子任務(wù)之間的協(xié)調（即對分布協(xié)同工作的支持）向人工智能乃至整個(gè)信息技術(shù)以及基礎理論提出了巨大的挑戰?！ ?/p>
其次，網(wǎng)絡(luò )化推進(jìn)了信息化，使原本分散孤立的數據庫形成一個(gè)互連的整體，即一個(gè)共同的信息空間。盡管現有的瀏覽器和搜索引擎為用戶(hù)在網(wǎng)上查找信息提供了必要的幫助，這種幫助是遠遠不夠的，以至于“信息過(guò)載”與“信息迷失”狀況日益嚴重。更強大的智能型信息服務(wù)工具已成為廣大用戶(hù)的迫切需要。另一方面，信息空間對人類(lèi)的價(jià)值不僅在于單獨的信息條目（比如某廠(chǎng)家生產(chǎn)出了某一新產(chǎn)品的信息），還遠在于一大類(lèi)信息中隱藏著(zhù)的普遍性知識（比如某個(gè)行業(yè)供求關(guān)系的變化趨勢）。于是，數據中的知識發(fā)現也成為一項迫切的研究課題。機器人始終是現代工業(yè)的迫切需求。隨著(zhù)機器人技術(shù)的發(fā)展，研究重點(diǎn)已經(jīng)轉向能在動(dòng)態(tài)、不可預測環(huán)境中獨立工作的自主機器人，以及能與其他機器人（包括人）協(xié)作的機器人。顯然，這種機器人之間的合作可以看成是物理世界中的分布式協(xié)同工作，因而包括相同的理論和技術(shù)問(wèn)題?！ ?/p>
由此可見(jiàn)，人工智能第三發(fā)展時(shí)期的突出特點(diǎn)是研究能夠在動(dòng)態(tài)、不可預測環(huán)境中自主、協(xié)調工作的計算機系統，這種系統被稱(chēng)為Agent 。目前，正圍繞著(zhù)Agent的理論、Agent的體系結構和Agent語(yǔ)言三個(gè)方面展開(kāi)研究，并已產(chǎn)生一系列重要的新思想、新理論、新方法和新技術(shù)。在這一研究中，人工智能呈現一種與軟件工程、分布式計算以及通訊技術(shù)相互融合的趨勢。Agent研究的應用不限于生產(chǎn)和工作，還深入到人們的學(xué)習和娛樂(lè )等各個(gè)方面。例如，Agent與虛擬現實(shí)相結合而產(chǎn)生的虛擬訓練系統，可以使學(xué)生在不實(shí)際操縱飛機的情況下學(xué)飛行的基本技能；類(lèi)似地，也可使顧客“享受”實(shí)戰的“滋味”?！ ?/p>
綜觀(guān)人工智能的發(fā)展歷程，可以看出它始終遵循的基本思路。首先是強調人類(lèi)智能的人工實(shí)現而不是單純的模擬，以便盡可能地為人類(lèi)的實(shí)際需要服務(wù)。其次是強調多學(xué)科的交叉結合，數學(xué)、信息科學(xué)、生物學(xué)、心理學(xué)、生理學(xué)、生態(tài)學(xué)以及非線(xiàn)性科學(xué)等等越來(lái)越多的新生學(xué)科被融入到人工智能的研究之中?！ ?/p>
目前人工智能研究的3個(gè)熱點(diǎn)是： 智能接口、數據挖掘、主體及多主體系統。
智能接口技術(shù)是研究如何使人們能夠方便自然地與計算機交流。為了實(shí)現這一目標，要求計算機能夠看懂文字、聽(tīng)懂語(yǔ)言、說(shuō)話(huà)表達，甚至能夠進(jìn)行不同語(yǔ)言之間的翻譯，而這些功能的實(shí)現又依賴(lài)于知識表示方法的研究。因此，智能接口技術(shù)的研究既有巨大的應用價(jià)值，又有基礎的理論意義。目前，智能接口技術(shù)已經(jīng)取得了顯著(zhù)成果，文字識別、語(yǔ)音識別、語(yǔ)音合成、圖像識別、機器翻譯以及自然語(yǔ)言理解等技術(shù)已經(jīng)開(kāi)始實(shí)用化。
數據挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的實(shí)際應用數據中提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過(guò)程。數據挖掘和知識發(fā)現的研究目前已經(jīng)形成了三根強大的技術(shù)支柱： 數據庫、人工智能和數理統計。主要研究?jì)热莅ɑA理論、發(fā)現算法、數據倉庫、可視化技術(shù)、定性定量互換模型、知識表示方法、發(fā)現知識的維護和再利用、半結構化和非結構化數據中的知識發(fā)現以及網(wǎng)上數據挖掘等。
主體是具有信念、愿望、意圖、能力、選擇和承諾等心智狀態(tài)的實(shí)體，比對象的粒度更大，智能性更高，而且具有一定自主性。主體試圖自治地、獨立地完成任務(wù)，而且可以和環(huán)境交互，與其他主體通信，通過(guò)規劃達到目標。多主體系統主要研究在邏輯上或物理上分離的多個(gè)主體之間進(jìn)行協(xié)調智能行為，最終實(shí)現問(wèn)題求解。目前對主體和多主體系統的研究主要集中在主體和多主體理論、主體的體系結構和組織、主體語(yǔ)言、主體之間的協(xié)作和協(xié)調、通信和交互技術(shù)、多主體學(xué)習以及多主體系統應用等方面。
4 人工智能的未來(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 )和機器情感。目前，人工智能的推理功能已獲突破，學(xué)習及聯(lián)想功能正在研究之中，下一步就是模仿人類(lèi)右腦的模糊處理功能和整個(gè)大腦的并行化處理功能。人工神經(jīng)網(wǎng)絡(luò )是未來(lái)人工智能應用的新領(lǐng)域，未來(lái)智能計算機的構成，可能就是作為主機的馮·諾依曼機與作為智能外圍的人工神經(jīng)網(wǎng)絡(luò )的結合。研究表明：情感是智能的一部分，而不是與智能相分離的，因此人工智能領(lǐng)域的下一個(gè)突破可能在于賦予計算機情感能力。情感能力對于計算機與人的自然交往至關(guān)重要。
人工智能一直處于計算機技術(shù)的前沿，人工智能研究的理論和發(fā)現在很大程度上將決定計算機技術(shù)的發(fā)展方向?！ ?/p>
由于計算機芯片的微型化已接近極限。人們越來(lái)越寄希望于全新的計算機技術(shù)能夠帶動(dòng)人工智能的發(fā)展。目前至少有三種技術(shù)有可能引發(fā)全新的革命，它們是光子計算機、量子計算機和生物計算機?！ ?
根據推測，未來(lái)光子計算機的運算速度可能比今天的超級計算機快１０００到１萬(wàn)倍。而一臺具有５０００個(gè)左右量子位的量子計算機可以在大約３０秒內解決傳統超級計算機需要１００億年才能解決的素數問(wèn)題。相對而言，生物計算機研究更加現實(shí)，美國威斯康星－麥迪遜大學(xué)已研制出一臺可進(jìn)行較復雜運算的ＤＮＡ計算機。據悉，一克ＤＮＡ所能存儲的信息量可與１萬(wàn)億張ＣＤ光盤(pán)相當。如果未來(lái)上述三種技術(shù)能夠成熟運用，那將對人工智能的發(fā)展起到?jīng)Q定性的作用。
5 結束語(yǔ)
許多科學(xué)家斷言，機器的智慧會(huì )迅速超過(guò)阿爾伯特·愛(ài)因斯坦和斯蒂芬·霍金的智慧之和。著(zhù)名物理學(xué)家斯蒂芬·霍金認為，就像人類(lèi)可以憑借其高超的搗弄數字的能力來(lái)設計計算機一樣，智能機器將創(chuàng )造出性能更好的計算機。最遲到本世紀中葉而且很可能還要快得多，計算機的智能也許就會(huì )超出人類(lèi)的智能。
參考文獻
[1]《人工智能簡(jiǎn)史》孫興 清華大學(xué)出版社， 1990年
[2]蔡自興 徐光佑 《人工智能及其應用》 清華大學(xué)出版社 2002年1月
聯(lián)系客服
