人工智能
|
[拼音]：rengong zhineng [外文]：artificial intelligence 研究人类智能活动的规律，构造具有一定智能行为的人工系统，以实现脑力劳动部分自动化的综合性学科。人工智能的近期目标是在传统计算机上用人工智能技术编制的程序,完成以往需要人的智能才能胜任的工作,如推理、学习、联想、理解自然语言、制订行动计划等。这种模拟人的智能的技术尚处于初级阶段，只能作到一定程度的形似，而不能保证神似。计算机只是在给定的问题范围内，在有限程度上表现出同人相似的智能行为，还不能严格模拟人在处理信息时的思维形式和思维过程。人工智能的长远目标是在思维科学指导下，对传统计算机的硬件、软件和体系结构进行改造，研制人工智能系统（见智能机），并不断提高这类系统的思维模拟水平。人工智能的技术是从人类各种智能行为（如问题求解、感知、学习、创造、语言等）中总结提炼出来的，它与心理学、逻辑学、语言学等多种学科相关。人工智能研究能提高计算机的灵活性，使其发挥更大的作用，因此有时也称为机器智能，被认为是计算机科学的一个分支。人工智能的基本问题，可分为技术基础和应用研究两个方面。 发展概况人工智能研究可以追溯到A.M.图灵提出的通用的非数值符号计算模型(图灵机)。在出现了大规模的高速计算机以后，研究人工智能的一些先驱学者如A.纽厄尔、H.A.西蒙等才从信息处理的角度认识到，人的思维过程和计算机工作过程都可归结为符号过程。以人（脑）的信息处理为模型，研制解脱部分脑力劳动的人工系统，这是人工智能的任务；而根据计算机的符号过程来研究人在信息处理时的思维活动规律，则是认知心理学的任务。因此，人工智能和认知心理学是在50年代中期，随着高速计算机的发展而同时产生的孪生学科（见认知模型）。人工智能的发展大致分为三个阶段。 （1）第一阶段（1956～1970）是人工智能的起步时期 早期的人工智能研究是从智力难题、弈棋、难度不大的定理证明等简单问题开始的。研究的目的不在于实际应用，而在于探索人的解题策略。问题的求解采用经验性的启发式搜索或称为试探搜索，因而与认知心理学紧密相关。另一方面，数理逻辑学家一直在追求问题求解的普遍规律，特别是数学定理证明中运用高效通用的理论解析方法。1965年J.A.鲁宾逊提出的归结原理，对发展机器定理证明技术起了巨大的推动作用，是这方面的一个突出的例子。后来发现，用归结法所生成的搜索空间，随着问题描述公式的数量指数地增长，中等程度的问题也难以在限定的时间和计算机容量内解决。因此，利用特定领域知识和普通常识指引的探试方法，在新的高度再次受到重视，而对归结原理则由期望过高而转为失望，并导致一些人在人工智能中否定一切逻辑方法的倾向。实际上，归结原理的主要贡献并不限于数学定理证明方面，而在于它为非数学问题中常识推理和问题求解提供了一种有力的工具。例如日本第五代计算机核语言的原型PROLOG语言，就是在归结原理的基础上设计的。为了强调逻辑方法在非数学问题中的应用，在很多场合机器定理证明这一术语已被自动演绎所取代。因此，在人工智能中的心理学方法和逻辑方法是相辅相成，互不矛盾的。此外，随着问题求解研究的深入开展，还积累了一套系统的解题技术。所解的问题也由简单的游戏问题发展到复杂的现实问题。行动计划或称动作综合便是用于机器人作业设计和自动程序设计等方面的基本技术。另外，自然语言理解、机器视觉、智能机器人等也是在这一阶段开始研究的。 （2）第二阶段(70年代)是人工智能的发展时期 知识工程即研制知识型系统的工程技术的出现，是人工智能发展史的重大转折点，标志着人工智能由单纯的理论探索开始面向实际应用。不论是专家系统还是自然语言理解系统（包括书面语和口语）、物景分析系统，都拥有大量领域知识、环境知识和通用常识，知识的表示和运用已成为人工智能所有领域的关键技术。 （3）第三阶段（1980年以后）是人工智能发展的新阶段 这一阶段的发展有两方面特点。其一是人工智能研究成果开始商品化，出现了用于精密检测的机器视觉系统、用于装配作业的初级智能机器人系统和用于微型计算机的自然语言接口；研制出为专业人员所用的专家系统，如地质矿藏勘探系统等；进而又开始研制为一般人所用的家务咨询系统和自修辅导学习系统。其二是人工智能向更高水平发展,出现了所谓第二代专家系统,如用于计算机系统的配置设计；研制知识型智能机器人、知识信息处理系统或第五代计算机，开始尝试将分散于各分支的人工智能技术综合为系统的机器智能技术。 技术基础人工智能的技术基础包括知识表示、问题求解、机器定理证明或自动演绎、工具与语言等方面。 知识表示将所需要的知识形式化，以便人工智能系统在进行决策、规划、识别物体、分析物景、推导结论时运用。从方法论来看，知识表示有表示事实和假设的陈述型和表示动作和行为的过程型两类。知识获取和认知建模还同认知心理学有关。 问题求解人工智能研究中的通用技术，包括搜索（特别是依靠直观经验知识的启发式搜索）、行动计划和已形成独立分支领域的机器定理证明或自动演绎等内容。 机器定理证明或自动演绎重点是常识推理，即运用逻辑方法，主要是运用归结法或自然演绎法并结合探试法，把人们日常生活中常识推理的模式符号化；也研究数学定理的机器证明，还包括非标准逻辑中的自动演绎和70年代发展起来的逻辑程序设计等内容。 工具与语言在人工智能研究工具中，除了计算机以外，最重要的工具是适于描述智能行为的语言。LISP语言是人工智能研究中广泛应用的一种基本语言，这是因为LISP语言的条件表达式的递归运用，符号信息在外部用表的形式表示而在内部用表结构的形式表示，程序和数据形式上的一致性等特点，都能适应人工智能的需要。为了提高LISP程序的执行效率,已研制出LISP机,直接将LISP语言的系统函数作为机器指令来执行。此外，第一个初步实现逻辑程序设计基本思想的PROLOG语言也受到了广泛的注意。人们还注意到人工智能研究的程序设计环境。 应用研究广义说，人工智能研究的一切问题都可以看成是问题求解，问题求解的策略技术适用于人工智能的各个方面。有些问题（如游戏）尽管目的不在于直接应用，但对研究复杂智能机制（如学习）仍有启示意义。从70年代后的发展趋势来看，人工智能已开始面向实际应用。人工智能的应用研究主要包括专家系统、自然语言理解、机器视觉、自动程序设计、公式推演和智能机器人等方面内容。 专家系统在特定领域内能象专家那样解决复杂问题的程序系统。它的问世标志着一门以知识为处理对象、以知识的表示和运用为主要手段的新的学科──知识工程的诞生，也标志着人工智能从单纯的理论探索到面向应用的重大转折。 自然语言理解研制各类自然语言处理系统，以便人机间在较大范围内直接用自然语言(书面语和口语)通信，对揭示人类语言机制和思维奥秘也有重要作用，因而它是人工智能研究中活跃的分支之一。 机器视觉研究根据输入的投影图像来分析、理解原来的三维物景的方法和技术，主要用于机器视觉系统和智能机器人中。 自动程序设计运用人工智能技术实现程序设计自动化或部分自动化的技术。 公式推演以数学知识为基础运用人工智能技术实现公式推演自动化的技术。 智能机器人一种能再现人的感觉、操作和行动并能处理意外事件、从事复杂作业的机器人，需要综合运用人工智能技术和机器人技术。 随着人工智能的广泛应用，加强基础理论研究的重要性也日益明显，人工智能研究需要用思维科学来指导，同时人工智能的发展也将对思维科学的研究作出贡献。
|
