人工智能化的現狀和今后發(fā)展趨勢展望

1、人工智能的現狀及今后發(fā)展趨勢展望一引言人工智能(Artificial Intelligenee),英文縮寫為 Al，也稱機器智能?！叭斯ぶ悄堋?一詞最初是在 1956 年的 Dartmouth 學會上提出的。它是計算機科學、 控制論、信息論、神經生理學、心理學、語言學等多種學科互相滲透而發(fā)展起來 的一門綜合性學科。從計算機應用系統的角度出發(fā)，人工智能是研究如何制造智 能機器或智能系統來模擬人類智能活動的能力，以延伸人們智能的科學。二目前人工智能技術的研究和發(fā)展狀況目前，人工智能技術在美國、歐洲和日本依然飛速發(fā)展。在AI 技術領域十分活躍的 IBM 公司，已經為加州勞倫斯利佛摩爾國家實驗室制造了

2、ASCI White電腦，號稱具有人腦的千分之一的智力能力。而正在開發(fā)的更為強大的新超級電 腦- “藍色牛仔” (Blue Jean )，據其研究主任保羅霍恩稱，“藍色牛仔”的智力水平將大致與人腦相當。三技術應用隨著 AI 技術的發(fā)展，現代幾乎各種技術的發(fā)展都涉及到了人工智能技術， 可以說人工智能已經廣泛應用到許多領域，其典型的應用包括：1 符號計算計算機最主要的用途之一就是科學計算，科學計算可分為兩類：一類是純數 值的計算,例如求函數的值；另一類是符號計算，又稱代數運算，這是一種智能化 的計算,處理的是符號。符號可以代表整數、有理數、實數和復數，也可以代表多 項式、函數、集合等。隨著計算機的

3、普及和人工智能的發(fā)展，相繼出現了多種功能齊全的計算機代數系統軟件，其中 Mathematic 和 Maple 是它們的代表。由于它 們都是用 C 語言寫成的，所以可以在絕大多數計算機上使用。2 模式識別模式識別就是通過計算機用數學技術方法來研究模式的自動處理和判讀。這里,我們把環(huán)境與客體統稱為“模式”。用計算機實現模式(文字、聲音、人物、 物體等)的自動識別，是開發(fā)智能機器的一個關鍵的突破口，也為人類認識自身智能提供線索。計算機識別的顯著特點是速度快、準確性和效率高。識別過程與 人類的學習過程相似，以“語音識別”為例：語音識別就是讓計算機能聽懂人說 的話，一個重要的例子就是七國語言（英、日、意

4、、法、德、中）口語自動翻 譯系統。該系統實現后，人們出國預定旅館、購買機票、在餐館對話和兌換外幣 時，只要利用網絡和國際互聯網，就可用手機、等與“老外”通話。3 機器翻譯機器翻譯是利用計算機把一種自然語言轉變成另一種自然語言的過程，用以完成這一過程的軟件系統叫做機器翻譯系統。 搜文網目前，國的機器翻譯軟件不 下百種，根據這些軟件的翻譯特點，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 機器學習機器學習是機器具有智能的重要標志，同時也是機器獲取知識的根本途徑。 有人認為，一個計算機系統如果不具備學習功能， 就不能稱其為智能系統。機器 學習主要研究如何使計算機能夠模擬或實現人類的學習功能。機器學習是一個難度較大的研究領域，它與認知科學、神經心理學、邏輯學等學科都有著密切的聯 系，并對人工智能的其他分支，如專家系統、自然語言理解、自動推理、智能機 器人、計算機視覺、計算機聽覺等方面，也會起到重要的推動作用。5 問題求解人工智能的第一大成就是下棋程序，在下棋程序中應用的某些技術，今天的 計算機程序已能夠達

6、到下各種方盤棋和國際象棋的錦標賽水平。但是，尚未解決包括人類棋手具有但尚不能明確表達的能力，如國際象棋大師們洞察棋局的能 力。另一個問題是涉及問題的原概念，在人工智能中叫問題表示的選擇，人們常能 找到某種思考問題的方法，從而使求解變易而解決該問題。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大型的數據庫中的有關事實上，留意可信的證明，并在出現新信息時適時修正這些證明。醫(yī)療診斷和信息檢索都可以和定理證明問 題一樣加以形式化。因此，在

7、人工智能方法的研究中，定理證明是一個極其重要 的論題。7 自然語言處理自然語言的處理是人工智能技術應用于實際領域的典型例，經過多年艱苦努 力，這一領域已獲得了大量令人矚目的成果。目前該領域的主要課題是：計算機系 統如何以主題和對話情境為基礎，注重大量的常識-世界知識和期望作用，生成和理解自然語言。這是一個極其復雜的編碼和解碼問題。8 分布式人工智能分布式人工智能在 20 世紀 70 年代后期出現，是人工智能研究的一個重要分 支。分布式人工智能系統一般由多個 Agen （t 智能體）組成，每一個 Age nt 又是 一個半自治系統，Age nt 之間以及 Age nt 與環(huán)境之間進行并發(fā)活動，并

8、通過交互 來完成問題求解。9 計算機視覺計算機視覺是一門用計算機實現或模擬人類視覺功能的新興學科，其主要研究目標是使計算機具有通過二維圖像認知三維環(huán)境信息的能力，這種能力不僅包括對三維環(huán)境中物體形狀、位置、姿態(tài)、運動等幾何信息的感知，而且還包括對 這些信息的描述、存儲、識別與理解。目前，計算機視覺已在人類社會的許多領 域得到成功應用。例如，在圖像、圖形識別方面有指紋識別、染色體識字符識別 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、景物識別、 目標檢測等；在醫(yī)學方面有圖像的臟器重建、醫(yī)學圖像分析等；在工業(yè)方面有各 種監(jiān)測系統和生產過程監(jiān)控系統等。10 智能信息檢索技術信息獲取

9、和精化技術已成為當代計算機科學與技術研究中迫切需要研究的 課題,將人工智能技術應用于這一領域的研究是人工智能走向廣泛實際應用的契 機與突破口。11 專豕系統專家系統是目前人工智能中最活躍、最有成效的一個研究領域,它是一種具有特定領域大量知識與經驗的程序系統。近年來，在“專家系統”或“知識工 程”的研究中已出現了成功和有效應用人工智能技術的趨勢。人類專家由于具有豐富的知識，所以才能達到優(yōu)異地解決問題的能力。那么計算機程序如果能體現 和應用這些知識，也應該能解決人類專家所解決的問題，而且能幫助人類專家發(fā) 現推理過程中出現的差錯，現在這一點已被證實。如在礦物勘測、化學分析、規(guī) 劃和醫(yī)學診斷方面，專家

10、系統已經達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)學科自1956年誕生至今已走過50多個年頭,就研究解釋和模 擬人類智能、智能行為及其規(guī)律這一總目標來說，已經邁出了可喜的一步，某些領 域已取得了相當的進展。但從整個發(fā)展的過程來看，人工智能發(fā)展曲折，而且還面 臨不少難題，主要有以下幾個方面：1 計算機博弈的困難博弈是自然界的一種普遍現象，它表現在對自然界事物的對策或智力競爭 上。博弈不僅存在于下棋之中，而且存在于政治、經濟、軍事和生物的斗智和競 爭之中。盡管西洋跳棋和國際象棋的計算機程序已經達到了相當高的水平，然而計算機博弈依然面臨著巨大的困難。 這主要表現在以下兩個

11、方面的問題： 其一是 組合爆炸問題，狀態(tài)空間法是人工智能中基本的形式化方法。若用博弈樹來表示 狀態(tài)空間,對于幾種常見的棋類，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,現有計算機是很難忍受的。其二是現在的博弈程序往往是針對二人對弈、 棋局公開、有確定走步的一類棋類進行研制的。 而對于多人對弈、隨機性的博弈 這類問題,至少目前計算機還是難以模擬實現的。2 機器翻譯所面臨的問題在計算機誕生的初期，有人提出了用計算機實現自動翻譯的設想。目前機器 翻譯所面臨的問題仍然是 1964 年語言學家黑

12、列爾所說的構成句子的單詞和歧義 性問題。歧義性問題一直是自然語言理解(NLU)中的一大難關。同樣一個句子在 不同的場合使用，其含義的差異是司空見慣的。因此,要消除歧義性就要對原文的 每一個句子及其上下文進行分析理解，尋找導致歧義的詞和詞組在上下文中的準 確意義。然而,計算機卻往往孤立地將句子作為理解單位。 另外,即使對原文有了 一定的理解，理解的意義如何有效地在計算機里表示出來也存在問題。目前的 NLU 系統幾乎不能隨著時間的增長而增強理解力，系統的理解大都局限于表層上，沒有深層的推敲，沒有學習，沒有記憶,更沒有歸納。導致這種結果的原因是計算 機本身結構和研究方法的問題?，F在 NLU的研究方法

13、很不成熟，大多數研究局限 在語言這一單獨的領域,而沒有對人們是如何理解語言這個問題做深入有效的探 討。3 自動定理證明和 GPS 勺局限自動定理證明的代表性工作是 1965 年魯賓遜提出的歸結原理。歸結原理雖 然簡單易行，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結原理演繹推理要求把邏輯公式轉化為子句集合，從而喪失了其固有的邏輯蘊含語義。 前面曾提到過的 GPS 是企圖實現一種不依賴 于領域知識求解人工智能問題的通用方法。GPS 想擺脫對問題部表達形式的依賴，但是問題的部表達形式的合理性是與領域知識密切相關的。不管是用一階謂詞邏 輯進行定理證明的歸結

14、原理，還是求解人工智能問題的通用方法 GPS 都可以從 中分析出表達能力的局限性，而這種局限性使得它們縮小了其自身的應用圍。4 模式識別的困惑雖然使用計算機進行模式識別的研究與開發(fā)已取得大量成果，有的已成為產品投入實際應用，但是它的理論和方法與人的感官識別機制是全然不同的。人的 識別手段、形象思維能力，是任何最先進的計算機識別系統望塵莫及的，另一方面, 在現實世界中，生活并不是一項結構嚴密的任務， 一般家畜都能輕而易舉地對付, 但機器不會，這并不是說它們永遠不會，而是說目前不會。五人工智能的發(fā)展前景 1 人工智能的發(fā)展趨勢技術的發(fā)展總是超乎人們的想象，要準確地預測人工智能的未來是不可能 的。但

15、是，從目前的一些前瞻性研究可以看出， 未來人工智能可能會向以下幾個 方面發(fā)展：模糊處理、并行化、神經網絡和機器情感。2 人工智能的發(fā)展?jié)摿薮笕斯ぶ悄茏鳛橐粋€整體的研究才剛剛開始，離我們的目標還很遙遠，但人工 智能在某些方面將會有大的突破。(1) 自動推理是人工智能最經典的研究分支，其基本理論是人工智能其它分支 的共同基礎。一直以來自動推理都是人工智能研究的最熱門容之一，其中知識系 統的動態(tài)演化特征及可行性推理的研究是最新的熱點，很有可能取得大的突破。(2) 機器學習的研究取得長足的發(fā)展。許多新的學習方法相繼問世并獲得了成功的應用,如增強學習算法、reinforcement learning等。也應看到,現有的方法處理在線學習方面尚不夠有效，尋求一種新的方法，以解決移動機器人、 自主 age nt、智能信息存取等研究中的在線學習問題是研究人員共同關心的問題，相信不久會在這些方面取得突破。(3) 自然語言處理是 AI 技術應用于實際領域的典型例,經過 A I 研究人員的艱苦努力,這一領域已獲得了大量令人矚目的理論與應用成果。許多產品已經進入 了眾多領域。智能信息檢索技術在 In ternet 技術的影