人工智能的發(fā)展現(xiàn)況

人工智能的發(fā)展現(xiàn)況最近看了電影《黑客帝國》一系列，對(duì)其中的科幻生活有了很大的興趣，不覺有了疑問：現(xiàn)在的世界是否會(huì)如電影中一樣呢？人工智能的神話是否會(huì)發(fā)生在當(dāng)前社會(huì)中的呢？在黑客帝國的世界里，程序員成為了耶穌，控制著整個(gè)世界，黑客帝國之所以成為經(jīng)典，我認(rèn)為，不是因?yàn)轱w來飛去的超級(jí)人物，而是因?yàn)樗底越沂玖艘粋€(gè)人與計(jì)算機(jī)世界的關(guān)系，一個(gè)發(fā)展趨勢(shì)。誰知道200年以后會(huì)不會(huì)是智能機(jī)器統(tǒng)治了世界？人類正向信息化的時(shí)代邁進(jìn)，信息化是當(dāng)前時(shí)代的主旋律。信息抽象結(jié)晶為知識(shí)，知識(shí)構(gòu)成智能的基礎(chǔ)。因此，信息化到知識(shí)化再到智能化，必將成為人類社會(huì)發(fā)展的趨勢(shì)。人工智能已經(jīng)并且廣泛而有深入的結(jié)合到科學(xué)技術(shù)的各門學(xué)科和社會(huì)的各個(gè)領(lǐng)域中，她的概念，方法和技術(shù)正在各行各業(yè)廣泛滲透。智能是一個(gè)寬泛的概念。智能是人類具有的特征之一。然而，對(duì)于什么是人類智能（或者說智力），科學(xué)界至今還沒有給出令人滿意的定義。有人從生物學(xué)角度定義為“中樞神經(jīng)系統(tǒng)的功能”，有人從心理學(xué)角度定義為“進(jìn)行抽象思維的能力”，甚至有人同義反復(fù)地把它定義為“獲得能力的能力”，或者不求甚解地說它“就是智力測(cè)驗(yàn)所測(cè)量的那種東西”。這些都不能準(zhǔn)確的說明人工智能的確切內(nèi)涵。雖然難于下定義，但人工智能的發(fā)展已經(jīng)是當(dāng)前信息化社會(huì)的迫切要求，同時(shí)研究人工智能也對(duì)探索人類自身智能的奧秘提供有益的幫助。所以每一次人工智能技術(shù)的進(jìn)步都將帶動(dòng)計(jì)算機(jī)科學(xué)的大跨步前進(jìn)。如果將現(xiàn)有的計(jì)算機(jī)技術(shù)、人工智能技術(shù)及自然科學(xué)的某些相關(guān)領(lǐng)域結(jié)合，并有一定的理論實(shí)踐依據(jù)，計(jì)算機(jī)將擁有一個(gè)新的發(fā)展方向。當(dāng)前人工智能的發(fā)展方向可以分為兩種：一種受控于人類的智能機(jī)器或智能程序，人類輸入指令后讓其達(dá)到預(yù)期的目的；另一類，能自主推理，邏輯，判斷，學(xué)習(xí)，進(jìn)步的智能，而后一種而有吸引力，更增加了人工智能無窮的魅力。人工智能是研究使計(jì)算機(jī)來模擬人的某些思維過程和智能行為（如學(xué)習(xí)、推理、思考、規(guī)劃等）的學(xué)科，主要包括計(jì)算機(jī)實(shí)現(xiàn)智能的原理、制造類似于人腦智能的計(jì)算機(jī)，使計(jì)算機(jī)能實(shí)現(xiàn)更高層次的應(yīng)用。人工智能涉及到計(jì)算機(jī)科學(xué)、心理學(xué)、哲學(xué)和語言學(xué)等學(xué)科。可以說幾乎是自然科學(xué)和社會(huì)科學(xué)的所有學(xué)科，其范圍已遠(yuǎn)遠(yuǎn)超出了計(jì)算機(jī)科學(xué)的范疇，在不斷的接近。他并不像很多人想象的是幾個(gè)科學(xué)家的工作，而是隨著社會(huì)各學(xué)科發(fā)展而默默發(fā)展的。在智能領(lǐng)域里，最關(guān)鍵的問題之一，就是機(jī)器學(xué)習(xí)的問題。一旦機(jī)器有了學(xué)習(xí)的能力，誰還（敢）預(yù)測(cè)未來呢？人類的社會(huì)發(fā)展其實(shí)也是在不斷積累中發(fā)展而來，人的智能也就是事實(shí)依據(jù)庫+推理機(jī)制所構(gòu)成了的。當(dāng)所有領(lǐng)域的定律都能用特定的公式推理出來，黑客帝國的實(shí)現(xiàn)就要到來了。研究人工智能的目的，一方面是要?jiǎng)?chuàng)造出具有智能的機(jī)器，另一方面是要弄清人類智能的本質(zhì)，因此，人工智能既屬于工程的范疇，又屬于科學(xué)的范疇。通過研究和開發(fā)人工智能，可以輔助，部分替代甚至拓寬人類的智能，使計(jì)算機(jī)更好的造福人類。人工智能是機(jī)器模擬人腦的具體表現(xiàn)形式，當(dāng)前以智能搜索、深度學(xué)習(xí)、云操作處理等為代表的大規(guī)模聯(lián)網(wǎng)應(yīng)用已經(jīng)成為信息通信技術(shù)引人矚目的重要方向。2013年美歐相繼啟動(dòng)的人腦研發(fā)計(jì)劃，力圖打造基于信息通信技術(shù)的綜合性研究平臺(tái)，促進(jìn)人工智能、機(jī)器人和神經(jīng)形態(tài)計(jì)算系統(tǒng)的發(fā)展，預(yù)計(jì)將助推信息通信技術(shù)乃至人類社會(huì)生產(chǎn)生活發(fā)生深刻的革命性變化。從發(fā)展脈絡(luò)看，人工智能一直處于技術(shù)創(chuàng)新的前沿，近年來更是呈現(xiàn)集中爆發(fā)態(tài)勢(shì)，在智能搜索、人工交互、可穿戴設(shè)備等領(lǐng)域得到了前所未有的重視，成為產(chǎn)業(yè)界力奪的前沿領(lǐng)域。一、打開搜索引擎發(fā)展新空間信息搜索是互聯(lián)網(wǎng)流量的關(guān)鍵入口，也是實(shí)現(xiàn)信息資源與用戶需求匹配的關(guān)鍵手段，人工智能的引入打開了搜索引擎發(fā)展的新空間。幾個(gè)重要方向是：由低級(jí)算法向高級(jí)算法發(fā)展。搜索巨頭美國谷歌公司每天都要進(jìn)行200多項(xiàng)改進(jìn)搜索算法的在線實(shí)驗(yàn)，陸續(xù)完成由關(guān)鍵字匹配到知識(shí)圖譜、語義搜索的算法創(chuàng)新，正在掀起一場以數(shù)據(jù)驅(qū)動(dòng)、實(shí)驗(yàn)評(píng)估、數(shù)理模型算法改進(jìn)為軸心的大數(shù)據(jù)革命，如谷歌禽流感地圖。由文本檢索向語音圖像檢索發(fā)展。已發(fā)生的典型案例是，第一，融合了深度學(xué)習(xí)技術(shù)的搜索引擎正大幅度提升圖像搜索的準(zhǔn)確率。如谷歌街景視圖通過“以圖搜圖”和“以圖搜信息”，能夠識(shí)別物體詳細(xì)位置。第二，吸納了自然語言處理和云操作處理技術(shù)的搜索引擎，可將語音指令轉(zhuǎn)化為實(shí)時(shí)搜索結(jié)果。谷歌、蘋果均已推出人工語音智能計(jì)算產(chǎn)品——GoogleNow和AppleSiri，將自然語言轉(zhuǎn)換成搜索指令，簡化用戶輸入門檻。第三，在人工智能輔助性搜索引擎可能添加意念情感元素，發(fā)展出真正意義上的神經(jīng)心理學(xué)搜索引擎。谷歌正在研發(fā)能夠讀懂人類情感的智能搜索系統(tǒng)，以應(yīng)用于心理輔導(dǎo)和心理醫(yī)學(xué)領(lǐng)域。由互聯(lián)網(wǎng)搜索向云物搜索演進(jìn)。一方面，基于人工智能的搜索引擎技術(shù)正向物聯(lián)網(wǎng)、信息化不斷深化應(yīng)用?；跇?biāo)簽感應(yīng)和閱讀技術(shù)的物聯(lián)網(wǎng)搜索引擎——shodan，幾乎能夠搜索到所有與網(wǎng)絡(luò)相連的工業(yè)控制系統(tǒng)，大大提升物聯(lián)網(wǎng)的可視化應(yīng)用和管理水平。另一方面，基于人工智能的搜索引擎技術(shù)和云操作處理技術(shù)不斷耦合，正在推動(dòng)云計(jì)算技術(shù)發(fā)生重要變革。如基于目錄索引服務(wù)系統(tǒng)的對(duì)象存儲(chǔ)技術(shù)，可實(shí)現(xiàn)云協(xié)作條件下大型歸檔數(shù)據(jù)的可在線回收。二、加速移動(dòng)互聯(lián)網(wǎng)應(yīng)用創(chuàng)新和產(chǎn)業(yè)變革嵌入了人工智能技術(shù)的移動(dòng)終端打破了時(shí)空地理限制，激發(fā)了人機(jī)高頻互動(dòng)，也促使產(chǎn)業(yè)界開發(fā)出以人工智能技術(shù)為基礎(chǔ)的海量互聯(lián)網(wǎng)業(yè)務(wù)和應(yīng)用。比如：自然語言交互已經(jīng)成為互聯(lián)網(wǎng)上成熟應(yīng)用，蘊(yùn)含無窮商機(jī)。自然語言交互發(fā)展已較成熟，可與視覺操控、姿態(tài)操控和手勢(shì)操控等人工智能感應(yīng)技術(shù)結(jié)合應(yīng)用。如微軟同聲傳譯系統(tǒng)（GPGPU）采用基于大量歷史數(shù)據(jù)訓(xùn)練出的神經(jīng)網(wǎng)絡(luò)，使語音識(shí)別的單詞錯(cuò)誤率降低了18%-33%。深度學(xué)習(xí)技術(shù)在互聯(lián)網(wǎng)領(lǐng)域已經(jīng)產(chǎn)生眾多創(chuàng)意和新興應(yīng)用。深度學(xué)習(xí)是人工智能的最新演進(jìn)，它引發(fā)了機(jī)器學(xué)習(xí)的新浪潮，加速“大數(shù)據(jù)＋深度模型”時(shí)代的來臨。第一，基于深度學(xué)習(xí)的信息產(chǎn)品已經(jīng)成為最活躍的創(chuàng)新領(lǐng)域。三星“新技術(shù)實(shí)驗(yàn)室”正在研發(fā)基于腦電波識(shí)別控制技術(shù)[EEG-control。]的“人腦意念控制智能設(shè)備”，將“讀心應(yīng)用程序”安裝在腦電波識(shí)別設(shè)備中，通過與平板電腦進(jìn)行腦電波掃描和交互，實(shí)現(xiàn)人類意念操控平板電腦。第二，深度學(xué)習(xí)融貫人臉識(shí)別的相關(guān)產(chǎn)品已開始用于社會(huì)公共管理。美國國土安全部(DHS)將深度學(xué)習(xí)技術(shù)用于“生物特征識(shí)別視覺監(jiān)控系統(tǒng)”[BiometricOpticalSurveillanceSystem，簡稱BOSS。這是一種典型的人臉識(shí)別應(yīng)用系統(tǒng)。]，通過在計(jì)算機(jī)和攝像機(jī)之間建立連接并對(duì)人群不斷掃描，即可根據(jù)面孔自動(dòng)識(shí)別和定位目標(biāo)。基于深度學(xué)習(xí)的戰(zhàn)略重要性，我國互聯(lián)網(wǎng)企業(yè)已開始布局深度學(xué)習(xí)技術(shù)研發(fā)，百度公司基于深度學(xué)習(xí)技術(shù)的“百度翻譯”、“百度叫醒”等智能終端應(yīng)用軟件，通過與云端協(xié)同，能夠?qū)崿F(xiàn)目標(biāo)的特征演算和定義，提供日益理想的擬人化知行協(xié)助服務(wù)。穿戴式智能聯(lián)網(wǎng)設(shè)備正在引領(lǐng)信息技術(shù)產(chǎn)品和信息化應(yīng)用發(fā)展的新方向。當(dāng)前，基于人工智能技術(shù)的穿戴式智能聯(lián)網(wǎng)設(shè)備已成為各方競爭的新熱點(diǎn)，蘋果公司智能手表（iWatch）、谷歌眼鏡（GoogleGlass）、加拿大ThalmicLabs公司MYO臂環(huán)、盛大果殼智能手表、百度眼鏡等，都是引發(fā)業(yè)界關(guān)注的穿戴式智能聯(lián)網(wǎng)設(shè)備。最新趨勢(shì)是，穿戴式智能聯(lián)網(wǎng)設(shè)備正在向體育、生物、醫(yī)療等領(lǐng)域進(jìn)行應(yīng)用延伸。谷歌摩托羅拉研發(fā)的電子藥片吞服后利用胃酸發(fā)電，產(chǎn)生體內(nèi)信號(hào)，從而使人體變成密碼，用于生物識(shí)別和身份驗(yàn)證。無人駕駛和智能機(jī)器人正在成為產(chǎn)業(yè)研發(fā)熱點(diǎn)，依托移動(dòng)互聯(lián)網(wǎng)將其應(yīng)用場景廣泛滲透、延伸至傳統(tǒng)產(chǎn)業(yè)領(lǐng)域。無人駕駛技術(shù)方面，亞馬遜公司正在研發(fā)用于派送包裹的無人飛行器[這些無人飛行器被亞馬遜稱之為“電腦導(dǎo)航八軸飛行器（octocopters）”。]。機(jī)器人技術(shù)方面，谷歌在全球范圍已經(jīng)收購8家科技公司，正在研發(fā)用于市場營銷、工業(yè)制造等領(lǐng)域的智能機(jī)器人；蘇黎世ABBGroup、德國KukaAG等機(jī)器人生產(chǎn)廠商以及我國臺(tái)灣臺(tái)達(dá)電子、富士康等信息技術(shù)企業(yè)正在研發(fā)、生產(chǎn)并試驗(yàn)以低于人力成本提供服務(wù)的低端機(jī)器人以及有視力、觸覺甚至學(xué)習(xí)能力的高端人形機(jī)器人。三、人腦科學(xué)有望助推人工智能達(dá)到最佳理想狀態(tài)迄今為止的人工智能都只是利用機(jī)器來模擬人腦進(jìn)行簡單的運(yùn)算和處理。與簡單的人工智能相同步，模擬人腦進(jìn)行復(fù)雜、高級(jí)運(yùn)算的人腦研發(fā)活動(dòng)始終未曾止步，美歐人腦科研計(jì)劃（統(tǒng)稱“人腦計(jì)劃”）為這一技術(shù)努力描繪了一份嶄新的演進(jìn)路線圖。2013年1月28日，歐盟委員會(huì)宣布，“人腦工程項(xiàng)目（HBP）”被選入歐盟“未來新興旗艦技術(shù)項(xiàng)目（FET）”，成為歐盟第七框架科研計(jì)劃（FP7）中信息通信技術(shù)（ICT）研究子計(jì)劃的重要組成部分。2013年4月2日，美國總統(tǒng)奧巴馬正式宣布了“運(yùn)用先進(jìn)創(chuàng)新型神經(jīng)技術(shù)的大腦研究計(jì)劃（BRAIN）”[又稱“大腦活動(dòng)圖譜項(xiàng)目”。]，由美國國家衛(wèi)生研究院、國防高級(jí)研究計(jì)劃局及國家科學(xué)基金會(huì)等單位組織實(shí)施。美歐人腦計(jì)劃的共同目的，是打造基于信息通信技術(shù)的綜合性研究平臺(tái)，采用計(jì)算機(jī)模擬法繪制詳細(xì)的人腦模型，促進(jìn)人工智能、機(jī)器人和神經(jīng)形態(tài)計(jì)算系統(tǒng)的發(fā)展，預(yù)計(jì)將引發(fā)人工智能實(shí)現(xiàn)由低級(jí)別人腦模擬向高級(jí)別人腦模擬的飛躍，從而助推人工智能實(shí)現(xiàn)終極理想和目標(biāo)。===功能===人工智能現(xiàn)在已經(jīng)能實(shí)現(xiàn)很多功能了，比如:語音識(shí)別——李開復(fù)博士當(dāng)年做的工作奠定了很多當(dāng)今識(shí)別系統(tǒng)的基礎(chǔ)。這里忍不住說一下，Siri本身的技術(shù)并沒有特別大的亮點(diǎn)，真正nb的是它的模式（語音識(shí)別直接與搜索引擎結(jié)合在一起，產(chǎn)品體驗(yàn)做得好。而且關(guān)鍵是這樣的模式能采集到更多數(shù)據(jù)，使得系統(tǒng)的精度越來越高）

自然語言理解——目前看到的最強(qiáng)的結(jié)果應(yīng)該是IBMWatson。但其實(shí)我們現(xiàn)在用的搜索引擎、中文輸入法、機(jī)器翻譯（雖然其實(shí)還不怎么work）都和自然語言理解相關(guān)。這塊兒不是我的專業(yè)，請(qǐng)@段維斯同學(xué)補(bǔ)充。

數(shù)據(jù)挖掘——隨著近年數(shù)據(jù)量的瘋狂增長，數(shù)據(jù)挖掘也有了長足進(jìn)步。最具有代表性的是前幾年著名的Netflixchallenge（Netflix公司公開了自己的用戶評(píng)分?jǐn)?shù)據(jù)，讓研究者根據(jù)這些數(shù)據(jù)對(duì)用戶沒看過的電影預(yù)測(cè)評(píng)分，誰先比現(xiàn)有系統(tǒng)好10%，誰就能贏100萬美元）最后這一比賽成績較好的隊(duì)伍，并非是單一的某個(gè)特別nb的算法能給出精確的結(jié)果，而是把大量刻畫了不同方面的模型混合在一起，進(jìn)行最終的預(yù)測(cè)。

計(jì)算機(jī)視覺——目前越來越多的領(lǐng)域跟視覺有關(guān)。大家可能一開始想到的都是自動(dòng)駕駛。雖然大家都在說googleX的無人車，但實(shí)際上現(xiàn)在無論是商業(yè)上，還是技術(shù)整合上最成功的算法是MobileEye的輔助駕駛系統(tǒng)。這個(gè)公司也是目前computervision領(lǐng)域最掙錢的公司。

從實(shí)現(xiàn)新功能方面說，視覺的發(fā)展的趨勢(shì)主要有兩方面，A)集成更多的模塊，從問題的各種不同方面，解決同一個(gè)問題（比如MobileEye，就同時(shí)使用了數(shù)十種方法，放到一起最終作出決策）B)使用新的信息，解決一個(gè)原來很難的問題。這方面最好的例子是M$的Kinect，這個(gè)產(chǎn)品最讓人拍案叫絕的就是那個(gè)紅外pattern投影儀。

===理論基礎(chǔ)===

這里說的是數(shù)學(xué)理論，是為實(shí)現(xiàn)功能解決問題而存在的。與人類的智能的聯(lián)系在下一節(jié)說。從這個(gè)角度，我們已經(jīng)有了很多強(qiáng)有力的數(shù)學(xué)工具，從高斯時(shí)代的最小二乘法，到現(xiàn)在比較火的凸優(yōu)化，其實(shí)我們解決絕大多數(shù)智能問題的套路，都可以從某種意義上轉(zhuǎn)換成一個(gè)優(yōu)化問題。真正限制我們解這個(gè)優(yōu)化問題的困難有以下三個(gè)：

計(jì)算復(fù)雜度——能保證完美解的算法大都是NP-hard的。如何能讓一個(gè)系統(tǒng)在當(dāng)前的硬件下“跑起來”，就需要在很多細(xì)節(jié)取巧，這是很多l(xiāng)earningpaper的核心沖突。

模型假設(shè)——所有模型都要基于一些假設(shè)，比如說，無人車會(huì)假設(shè)周圍的汽車加速度有一個(gè)上限（至少不會(huì)瞬間移動(dòng)吧，否則怎么閃避）絕大多數(shù)假設(shè)都不能保證絕對(duì)正確，我們只是制定那些在大多數(shù)時(shí)候合理的假設(shè)，然后基于這些假設(shè)建模（比如，在語音識(shí)別里，我們是否要假設(shè)存在背景噪聲呢？如果有背景噪聲，這個(gè)噪聲應(yīng)該符合什么特點(diǎn)呢？這時(shí)候無論你怎么定標(biāo)準(zhǔn)，總能找出“反例”）

數(shù)據(jù)基礎(chǔ)——任何學(xué)習(xí)過程都需要數(shù)據(jù)的支持，無論是人類學(xué)說話學(xué)寫字，還是計(jì)算機(jī)學(xué)習(xí)汽車駕駛。但是就數(shù)據(jù)采集本身來說，成功的案例并不多。大概這個(gè)世界上最強(qiáng)的數(shù)據(jù)采集就是google了吧。每次你搜索一個(gè)關(guān)鍵詞，然后點(diǎn)進(jìn)去，google就自動(dòng)記錄了你的行為，然后以此數(shù)據(jù)來訓(xùn)練自己的算法。人工智能前景人工智能是人造的智能,是計(jì)算機(jī)科學(xué)、邏輯學(xué)、認(rèn)知科學(xué)交叉形成的一門科學(xué)。其基本目標(biāo)就是使機(jī)器表現(xiàn)出類似人類的智慧,使機(jī)器具有類似人類的智能行為,使機(jī)器思維(MakingMachineThink)。關(guān)于人工智能,科學(xué)界存在各種各樣的認(rèn)識(shí)和看法,這些看法可以歸納為:技術(shù)觀、模擬觀、建模觀、理論觀。技術(shù)觀將人工智能視為一門技術(shù)。技術(shù)觀追求人工智能的工程目標(biāo),即智能機(jī)的實(shí)現(xiàn)。技術(shù)觀只注重智能機(jī)的外部功能,不關(guān)心智能機(jī)的工作過程。技術(shù)觀認(rèn)為,只要機(jī)器能做那些原來需要人的智能才能完成的工作,機(jī)器便具有了智能。模擬觀著眼于計(jì)算機(jī)程序復(fù)現(xiàn)人腦在完成同一任務(wù)時(shí)的內(nèi)部狀態(tài)和過程,強(qiáng)調(diào)必須先了解人腦的活動(dòng)機(jī)制,才能通過模擬使機(jī)器表現(xiàn)出智能。建模觀希望基于數(shù)學(xué)模型的理論和方法,建立人腦的模型。建模觀認(rèn)為,通過對(duì)人腦輸入輸出信號(hào)的觀察,即對(duì)人腦外部行為的觀察,可以建立人腦的數(shù)學(xué)模型,這種模型與人腦在外部行為上的相似性將使機(jī)器表現(xiàn)出智能。理論觀注重理解形成或產(chǎn)生智能的規(guī)律和原理。理論觀追求人工智能的科學(xué)目標(biāo),即Winston所闡述的人工智能的中心目標(biāo),試圖建立使智能的實(shí)現(xiàn)成為可能的原理。人類有關(guān)用機(jī)器模擬人類智能的思想可以追溯到很遠(yuǎn),甚至可以追溯到公元前四世紀(jì)的亞里士多德時(shí)代。然而,作為一門學(xué)科,可以說,人工智能誕生于1956年Dartmouth夏季會(huì)議。人工智能在20世紀(jì)經(jīng)歷了四個(gè)發(fā)展階段:五十年代是神經(jīng)網(wǎng)絡(luò)時(shí)代,六十年代是弱方法時(shí)代,七十年代是知識(shí)工程時(shí)代,八十和九十年代是知識(shí)工業(yè)時(shí)代。1948年Wiener發(fā)表了控制論。Wiener將機(jī)器與生物的控制和通訊機(jī)制進(jìn)行類比,抽象出共同特征,形成控制論這門獨(dú)立的新學(xué)科。Wiener指出:就其控制行為而言,所有的人工系統(tǒng)都模仿生物系統(tǒng),但沒有任何一種生物系統(tǒng)模仿人工系統(tǒng)。Wiener的思想及其控制論引發(fā)了科學(xué)界對(duì)生物控制機(jī)能、生物通訊機(jī)能、生物信息處理機(jī)能和生物智能進(jìn)行模擬的科學(xué)研究熱情。特別是Wiener關(guān)于生物神經(jīng)系統(tǒng)及其信息處理機(jī)制的觀點(diǎn),引起了人們對(duì)生物神經(jīng)系統(tǒng)進(jìn)行仿真研究的興趣。Wiener在其控制論中指出:能夠做計(jì)算系統(tǒng)所做工作的人和動(dòng)物的神經(jīng)系統(tǒng),它們的工作單元?jiǎng)幼髌饋砭拖窭^電器。這個(gè)事實(shí)值得我們注意,這些工作單元就是所謂的神經(jīng)元或神經(jīng)細(xì)胞。在這一思想的影響下,五十年代興起了基于開關(guān)網(wǎng)的神經(jīng)系統(tǒng)模擬研究,其中較為成功和較有影響的是對(duì)青蛙視神經(jīng)的模擬。Simon和Newell稱,用計(jì)算機(jī)程序?qū)崿F(xiàn)的人對(duì)弱結(jié)構(gòu)化問題的求解搜索方法為弱方法,其弱的含義為:求解的問題為弱結(jié)構(gòu)化問題,求解問題的過程具有試探性,所得的問題的解是非最優(yōu)的。對(duì)于弱結(jié)構(gòu)化問題,由于知識(shí)的不完備性,人只能運(yùn)用試驗(yàn)、試探和搜索的方法,在巨大的問題空間中,運(yùn)用非完備的知識(shí)、經(jīng)驗(yàn)和啟發(fā)性的知識(shí),尋求可行的問題求解途徑,做計(jì)劃、設(shè)計(jì)和決策,獲取問題的可行解,而非最優(yōu)解。Simon和Newell的弱方法強(qiáng)調(diào)問題求解方法的重要性,注重對(duì)人腦思維過程的模擬和仿真,卻忽視了對(duì)知識(shí)的研究。人求解問題的過程是一個(gè)基于知識(shí),應(yīng)用知識(shí)的過程。一個(gè)知識(shí)貧乏的大腦,不可能有多少智能,這就是弱方法為什么只能用于一些簡單的和游戲性質(zhì)的智力求解問題的原因。七十年代,鑒于弱方法存在的問題,人工智能研究領(lǐng)域出現(xiàn)了知識(shí)工程學(xué)派。知識(shí)工程學(xué)派認(rèn)為,沒有知識(shí),就沒有智能;要使計(jì)算機(jī)表現(xiàn)出智能,必須給予它知識(shí)。使人工智能由弱方法的研究轉(zhuǎn)向知識(shí)工程研究的是DENDRAL項(xiàng)目。這項(xiàng)研究工作是Feigen-baum1965年到斯坦福大學(xué)后不久開始的。六十年代末七十年代初,第一個(gè)專家系統(tǒng)問世以來,有影響的專家系統(tǒng)有:DENDRAL,世界上第一個(gè)專家系統(tǒng),幫助化學(xué)家解釋和設(shè)計(jì)化學(xué)結(jié)構(gòu)式;MYCIN,世界上最有影響的專家系統(tǒng),幫助醫(yī)生診斷抗菌性感染病,并推薦治療方案。專家系統(tǒng)的成就使人們看到了知識(shí)工程的前景。專家系統(tǒng)解決實(shí)際問題的能力展現(xiàn)了智能系統(tǒng)的商用價(jià)值,由此,智能產(chǎn)業(yè)在八十年代初期開始形成。智能產(chǎn)業(yè)指智能應(yīng)用系統(tǒng)和智能計(jì)算機(jī)構(gòu)成的產(chǎn)業(yè)。盡管全球的智能產(chǎn)業(yè)在1981年只有1億美元,但人們?nèi)匀粯酚^地預(yù)測(cè),二十一世紀(jì)初,全球的智能產(chǎn)業(yè)將超過2500億美元。面對(duì)人工智能的大好發(fā)展形勢(shì),Machlup等人在知識(shí)工程概念的基礎(chǔ)上,提出了一個(gè)更具感召力的概念:知識(shí)工業(yè)。人工智能的研究并不像人們一開始所期望的那樣一帆風(fēng)順,成果輝煌。五十年代,神經(jīng)網(wǎng)絡(luò)隨Perceptron被否定而沉寂。六十年代,游戲性質(zhì)的弱方法沒有大的作為。七十年代,專家系統(tǒng)受到了來自許多方面的懷疑和批評(píng)。八十年代,日本人雄心勃勃的第五代計(jì)算機(jī)計(jì)劃以徹底的失敗而告終。人工智能從誕生那天起就承受著來自多方面的批評(píng)和攻擊。人工智能過分樂觀的預(yù)言大多未能實(shí)現(xiàn)。盡管人工智能的發(fā)展未能跟上人們對(duì)它的期望,但它的確在不斷地進(jìn)步。人工智能取得的成就足以讓人們相信,機(jī)器正變得越來越聰明。以人們今天的想象力,很難想象出,人工智能能走多遠(yuǎn),未來的機(jī)器能有多聰明,類似DeepBlue戰(zhàn)勝Kasparov之類的事情在Chess之外的其它領(lǐng)域是否還會(huì)發(fā)生。人,沒有理由說,機(jī)器不能思維,更沒有理由否定人工智能。最近幾年,人工神經(jīng)網(wǎng)絡(luò)技術(shù)和遺傳算法的應(yīng)用取得了很大的成功。廣泛應(yīng)用于工業(yè)、軍事等各個(gè)領(lǐng)域。人工神經(jīng)網(wǎng)絡(luò)技術(shù)在20世紀(jì)70到80年代取得了重大進(jìn)展,其成果大量應(yīng)用于系統(tǒng)的識(shí)別,建模和控制。比如,關(guān)于建模,神經(jīng)網(wǎng)絡(luò)通過對(duì)輸入輸出樣本的學(xué)習(xí),不斷地調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值,使網(wǎng)絡(luò)實(shí)現(xiàn)給定的輸入輸出映射關(guān)系,并具有一定的學(xué)習(xí)和泛化能力。以研究直升機(jī)在偏航方