人工智能的方法探索.doc

人工智能的方法探索 人工智能的方法探索 人工智能是有McCarthy于1956年提出，属于人类三大尖端技术之一。近十年来，人工智能取得了许多重要的成果。小到手机里的智能语音助手，再到基于物联网与大数据的智能家居，以及已经上路的自动驾驶汽车，工业生产线上的智能机器人，每秒运算万亿次以上的超级计算机等都已走入我们的生活。人工智能是关于知识的学科——怎样表示知识以及怎样获取知识并使用知识的学科。【1】实现人工智能的三个核心问题在于“怎样表示，怎样获取，怎样使用”这也是人们对人工智能探索的核心问题所在。 　　1 人工智能研究的分散化 　　在20世纪中叶科学技术的背景下，人们发现对于智能的研究确实太过于复杂，于是人工智能技术的工作者采用分散化的方式对人工智能进行研究。人们当时主要将智能模拟研究分解为“结构模拟”、“功能模拟”、“行为模拟”三个分支。 　　1.1 基于结构模拟的神经网络研究 　　根据解剖学的相关成就，人们发现人脑的思维定位于大脑皮层。人的大脑皮层是由1011个神经元构成的极其复杂的一个网络，每个神经元都是一个处理单元，每个神经元有数千个与其他神经元形成的动态链接。生物系统的工本文由论文联盟http://wWw.LWlM.com收集整理作频率大约为100Hz。于是生物大脑大约有1016链接/s的速度。依靠如此复杂的神经网络系统，大脑可以充分描述外部世界，并对刺激做出响应。 　　起初人们尝试建立同样一个复杂的网络系统——神经网络。通过众多人工的神经元单元的有序链接实现人工智能。但是后来人们发现简单的通过结构的模拟并不能实现智能。主要面对三大问题：生物的大脑是在不断的变化的，伴随生物的代谢，新神经突触的建立等一系列变化，神经元的链接方式无时无刻不在发生着变化。如果只模拟结构，而不模拟出其变化的特性就很难做到智能化。基于工业的发展水平，要制造出复杂程度如同生物大脑级别的网络系统存在着巨大的困难如果将系统的复杂程度降低，其智能化程度又会大打折扣。所以人们便开始功能性模拟的探索。 　　1.基于功能模拟的物理符号系统 　　Newell和Simon提出了著名的 “物理符号系统假设”，认为：一个物理符号系统只要满足：具有输入符号具有输出符号能够存储符号能够复制符号能够建立符号结构具有条件性迁移能力，就能算作一个智能系统。他们认为：计算机跟人类大脑都满足这6个假设，他们是相互等效的两个物理符号系统。所以用计算机模拟人脑是可能的。【2】 　　著名的血液感染疾病诊断专家系统MYCIN就是基于功能模拟的物理符号系统。它是首个通过图灵测试的智能系统，具有极其深远的意义。打败国际象棋世界冠军的“深蓝”计算机也是基于这一系统。 　　但是问题在于这套系统是否真的智能还有待考究。因为目前仍没有一套有效的测试方式来判断系统是否具有真正的意识形态。换言之，疾病诊断系统是否知道自己是在做诊断，是否知道疾病的概念，在它眼中，他的诊断过程到底是疾病的诊断，再或者深蓝是否知道自己是在下象棋，这个很难表述清楚。正是由于这种自我认知的缺失，人们不得不将这套系统用于专门领域的“专家系统”。但是专家系统同样存在这巨大的问题。专家系统必须具有专家级的知识储备，它的知识是程序设计者从相关领域专家处获取的，那么程序设计者的主观意识以及对知识的理解不同会使得专家系统带有程序设计者的 “情感”，另外，专家到底能否将系统所需的知识以机器能理解的方式进行完整的表述也是问题所在。更重要的，知识是不断更新不断变化的。一台计算机如果不会学习，就不能称为具有智能的。【3】由于这诸多的限制，通过物理符号实现人工智能的途径也走到了瓶颈。 　　1.基于行为模拟的感知—动作系统 　　Jackson Pollock是著名的滴画画家，他通过放空自己，不刻意也不随机，用介于两者之间的状态创作出了伟大的画作。人们想通过类似的方式找到智能的突破。人们既不关心智能系统的原型结构，也不关心系统所需要的知识储备。做的仅仅是在感知到刺激后，做出相应的动作。这是典型的“黑箱系统”。 　　通过这种方式人们可以模拟出生物的某些先天性条件反射，但是对于高级的思考行为却无能为力。 　　人工智能新发展 　　正是因为分散化研究存在诸多的弊病，人们开始探索新的途径。人工智能其实是信息为主导的一套系统。信息间的相互联系，相互作用对系统的意义十分重大，所以分散研究智能有其形而无其神。 　　研究发现，知识不是一成不变的，它具有自己的生态学系统。在先天的本能知识支持下，在外界信息激励下，人类后天不断习得的知识是由欠成熟的经验知识开始，形成成熟的规范知识，进一步成长为常识知识。而且已经建立了能统一考虑信息的形式、内容和价值的“全信息理论”。 　　于是人们基于对知识和信息的新认识，提出了“信息—知识—智能策略”的人工智能新的发展方向。