人工智能的未来发展

论人工智能的现状及未来

姓名:

学号：

专业：

班级：

第一章 什么是人工智能

21世纪中期，由于气候变暖，南北两极冰盖的融化，地球上很多城市都被淹没在了一片汪洋之中。此时，人类的科学技术已经达到了相当高的水平，人工智能机器人就是人类发明出来的用以应对恶劣自然环境的科技手段之一。先进的人工智能机器人不但拥有可以乱真的人类外表，而且还能像人类一样感知自己的存在。大卫就是这样一个有思想、有感情的小机器人，他被一对人类父母所收养，有一个哥哥和一个贴身的伙伴——机器泰德熊。但这些并不能让大卫满足，他一直渴望着自己终有一天不再仅仅是个机器人。抱着对这个愿望的执着，11岁的大卫踏上了漫长的心路历程，跟随在他身边的，还有另一个善良的机器人乔。谁也不知道他们能否完成自己的心愿，脱胎换骨成为真正的人，等待他们的只有凶吉难料的对复杂人性的追寻……

这是曾经火爆一时的好莱坞大片《人工智能》的情节。对于人工智能这个词，我想大部分人还是比较陌生而且觉得非常神秘的。什么才是人工智能呢？

“人工智能”一词最初是在1956 年Dartmouth学会上提出的。从那以后，研究者

们发展了众多理论和原理，人工智能的概念也随之扩展。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。例如繁重的科学和工程计算本来是要人脑来承担的，现在计算机不但能完成这种计算， 而且能够比人脑做得更快、更准确，因之当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”， 可见复杂工作的定义是随着时代的发展和技术的进步而变化的， 人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展，一方面又转向更有意义、更加困难的目标。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机， 人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。除了计算机科学以外， 人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。人工智能的定义可以分为两部分，即“人工”和“智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。

关于什么是“智能”，就问题多多了。这涉及到其它诸如意识（consciousness）、自我（self）、思维（mind）（包括无意识的思维（unconscious_mind）等等问题。人唯一了解的智能是人本身的智能，这是普遍认同的观点。但是我们对我们自身智能的理解都非常有限，对构成人的智能的必要元素也了解有限，所以就很难定义什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及对人的智能本身的研究。其它关于动物或其它人造系统的智能也普遍被认为是人工智能相关的研究课题。

人工智能目前在计算机领域内，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。

著名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。

人工智能（Artificial Intelligence，简称AI）是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。也被认为是二十一世纪（基因工程、纳米科学、人工智能）三大尖端技术之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。

人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、

模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。

第二章 人工智能的发展历程

人工智能的传说可以追溯到古埃及，但随着1941年以来电子计算机的发展，技术已最终可以创造出机器智能，“人工智能”(Artificial Intelligence)一词最初是在1956年Dartmouth学会上提出的，从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展，在它还不长的历史中，人工智能的发展比预想的要慢，但一直在前进，从40年前出现到现在，已经出现了许多AI程序，并且它们也影响到了其它技术的发展。

计算机时代

1941年的一项发明使信息存储和处理的各个方面都发生了革命。这项同时在美国和德国出现的发明就是电子计算机。第一台计算机要占用几间装空调的大房间，对程序员来说是场恶梦：仅仅为运行一个程序就要设置成千的线路。1949年改进后的能存储程序的计算机使得输入程序变得简单些，而且计算机理论的发展产生了计算机科学，并最终促使了人工智能的出现。计算机这个用电子方式处理数据的发明，为人工智能的可能实现提供了一种媒介。

AI的开端

虽然计算机为AI提供了必要的技术基础，但直到50年代早期人们才注意到人类智能与机器之间的联系。 Norbert Wiener是最早研究反馈理论的美国人之一。最熟悉的反馈控制的例子是自动调温器。它 将收集到的房间温度与希望的温度比较，并做出反应将加热器开大或关小，从而控制环境温度。这项对反馈回路的研究重要性在于: Wiener从理论上

指出，所有的智能活动都是反馈机制的结果。而反馈机制是有可能用机器模拟的。这项发现对早期AI的发展影响很大。

1955年末，Newell和Simon做了一个名为\"逻辑专家\"(Logic Theorist)的程序。这个程序被许多人认为是第一个AI程序。它将每个问题都表示成一个树形模型，然后选择最可能得到正确结论的那一枝来求解 问题。\"逻辑专家\"对公众和AI研究领域产生的影响使它成为AI发展中一个重要的里程碑。1956年，被认为是人工智能之父的John McCarthy组织了一次学会，将许多对机器智能感兴趣的专家学者聚集在一起进行了一个月的讨论。他请他们到 Vermont参加 \" Dartmouth人工智能夏季研究会\"。从那时起，这个领域被命名为 \"人工智能\"。虽然 Dartmouth学会不是非常成功，但它确实集中了AI的创立者们，并为以后的AI研究奠定了基础。

Dartmouth会议后的7年中，AI研究开始快速发展。虽然这个领域还没明确定义，会议中的一些思想已被重新考虑和使用了。 Carnegie Mellon大学和MIT开始组建AI研究中心。研究面临新的挑战: 下一步需要建立能够更有效解决问题的系统，例如在\"逻辑专家\"中减少搜索;还有就是建立可以自我学习的系统。

1957年一个新程序，\"通用解题机\"(GPS)的第一个版本进行了测试。这个程序是由制作\"逻辑专家\" 的同一个组开发的。GPS扩展了Wiener的反馈原理，可以解决很多常识问题。两年以后，IBM成立了一个AI研 究组。Herbert Gelerneter花3年时间制作了一个解几何定理的程序。

当越来越多的程序涌现时，McCarthy正忙于一个AI史上的突破。1958年McCarthy宣布了他的新成果: LISP语言。 LISP到今天还在用。\"LISP\"的意思是\"表处理\"(LISt Processing)，它很快就为大多数AI开发者采纳。

1963年MIT从美国政府得到一笔220万美元的资助，用于研究机器辅助识别。这笔资助来自国防部高级研究计划署(ARPA)，已保证美国在技术进步上领先于苏联。这个计划吸引了来自全世界的计算机科学家，加快了AI研究的发展步伐。

大量的程序

以后几年出现了大量程序。其中一个著名的叫\"SHRDLU\"。\"SHRDLU\"是\"微型世界\"项目的一部分，包括 在微型世界(例如只有有限数量的几何形体)中的研究与编程。在MIT由Marvin Minsky领导的研究人员发现， 面对小规模的对象，计算机程序可以解决空间和逻辑问题。其它如在60年代末出现的\"STUDENT\"可

相关书籍

以解决代数 问题，\"SIR\"可以理解简单的英语句子。这些程序的结果对处理语言理解和逻辑有所帮助。

70年代另一个进展是专家系统。专家系统可以预测在一定条件下某种解的概率。由于当时计算机已有巨大容量，专家系统有可能从数据中得出规律。专家系统的市场应用很广。十年间，专家系统被用于股市预 测，帮助医生诊断疾病，以及指示矿工确定矿藏位置等。这一切都因为专家系统存储规律和信息的能力而成为可能。

70年代许多新方法被用于AI开发，著名的如Minsky的构造理论。另外David Marr提出了机器视觉方 面的新理论，例如，如何通过一副图像的阴影，形状，颜色，边界和纹

理等基本信息辨别图像。通过分析这些信息，可以推断出图像可能是什么。同时期另一项成果是PROLOGE语言，于1972年提出。80年代期间，AI前进更为迅速，并更多地进入商业领域。1986年，美国AI相关软硬件销售高达4。25亿 美元。专家系统因其效用尤受需求。象数字电气公司这样的公司用XCON专家系统为VAX大型机编程。杜邦，通用汽车公司和波音公司也大量依赖专家系统。为满足计算机专家的需要，一些生产专家系统辅助制作软件的公 司，如Teknowledge和Intellicorp成立了。为了查找和改正现有专家系统中的错误，又有另外一些专家系统被设计出来。

从实验室到日常生活

人们开始感受到计算机和人工智能技术的影响。计算机技术不再只属于实验室中的一小群研究人员。 个人电脑和众多技术杂志使计算机技术展现在人们面前。有了象美国人工智能协会这样的基金会。因为AI开发 的需要，还出现了一阵研究人员进入私人公司的热潮。150多所像DEC(它雇了700多员工从事AI研究)这样的公司共花了10亿美元在内部的AI开发组上。

其它一些AI领域也在80年代进入市场。其中一项就是机器视觉。 Minsky和Marr的成果现在用到了生产线上的相机和计算机中，进行质量控制。尽管还很简陋，这些系统已能够通过黑白区别分辨出物件形状的不同。到1985年美国有一百多个公司生产机器视觉系统，销售额共达8千万美元。

但80年代对AI工业来说也不全是好年景。86-87年对AI系统的需求下降，业界损失了近5亿美元。象 Teknowledge和Intellicorp两家共损失超过6百万美元，大约占利润的三分之一巨大的损失迫使许多研究领 导者削减经费。另一个另人失望的是国防部高级研究计划署支持的所谓\"智能卡车\"。这个项目目的是研制一种能完成许多战地任务的机器

人。由于项目缺陷和成功无望，Pentagon停止了项目的经费。

尽管经历了这些受挫的事件，AI仍在慢慢恢复发展。新的技术在日本被开发出来，如在美国首创的模糊逻辑，它可以从不确定的

人工智能机器人

条件作出决策;还有神经网络，被视为实现人工智能的可能途径。总之，80年代AI被引入了市场，并显示出实用价值。可以确信，它将是通向21世纪之匙。人工智能技术接受检验在\"沙漠风暴\"行动中军方的智能设备经受了战争的检验。人工智能技术被用于导弹系统和预警显示以 及其它先进武器。AI技术也进入了家庭。智能电脑的增加吸引了公众兴趣;一些面向苹果机和IBM兼容机的应用软件例如语音和文字识别已可买到;使用模糊逻辑，AI技术简化了摄像设备。对人工智能相关技术更大的需求促 使新的进步不断出现。人工智能已经并且将继续不可避免地改变我们的生活。

第三章 人工智能与人类意识的区别

意识是人脑的机能，但人类意识一经产生，其发展并不或并不完全依赖于人脑的自然进化。事实上，人类在探索和认识自身意识活动的本质和特性的基础上，已经通过人工的手段大大地拓展了意识活动的领域、延伸和放大了自身的意识结构。这突出地表现在人工智能 的产生和发展上。

20世纪40年代以来，随着现代控制论、信息论和思维科学的发展，出现了运用机械

和电子的装量模拟人工脑思维活动的电脑，即电子计算机或人工智能。几十年来，人工智能迅速发展，已经更换了四代，即电子管计算机、半导体计算机、集成电路计算机和超大规模集成电路计算机。目前，正处于第二次计算机革命和第五代计算机的历史转折时期。

人工智能就其本质而言，是对人的思维的信息过程的模拟，即结构模拟与功能模拟。这种模拟反过来对人的意识结构产生了重要的影响，形成了人——机互补的新的放大的意识结构。可以说，人工智能机就是人脑的扩大。人工智能不仅能帮助人完成一部分意识活动，而且在某些方面还大大地优越于人脑，如快速准确的计算能力、超大海量的记忆能力等。同时，人工智能机还能代替人完成许多操作性工作，特别是在人无法直接到达的宇宙、深海、高温有毒等环境条件下代替人进行某些探测活动。如果说电脑作为对人脑的模拟离不开人脑，那么今天人脑在很大程度上也依赖于电脑。因此，人工智能的发展已形成了人——机互补系统，大大地扩展了人的意识结构。

人工智能的诞生发展，有着极其重要的哲学意义。这主要表现在两个方面：

第一、人工智能及其发展有力地证明了辩证唯物主义的正确性。一方面，它打破了精神活动的神秘性，人脑思维活动之所以可以模拟，就在于它有其一定的物理机制和运动规律，证实了意识来源于物质的唯物主义原理；另一方面，人工智能及其发展进一步丰富了意识能动性原理。

第二、人工智能强化了思维形式、思维功能过程在意识活动中的作用，提出了哲学和科学研究的新方向、新问题，如思维形式的相对独立性及其与思维内容的复杂关系、智能机与人类的关系等。

在人工智能的研究中，伴随着思维模拟的巨大成就，出现了所谓的乐观派和悲观派。

二者的错误是一致的：看不到人工智能与人类智能，“机器思维”与人类思维的本质区别：

首先，人工智能只是对人的部分意识活动、思维活动的模拟。通常人工智能模拟人脑的思维过程可分为五个相应的部分：用机器的输入器模拟人的眼、耳、鼻、舌、皮肤等感官、接受外界的信息；用机器的存储器模拟人脑对信息的记忆功能，把已接收的信息积累起来，以供随时使用；用机器的运算机模拟人脑对信息加工、分析、处理的过程；用机器的控制器模拟人脑的调节、指挥作用，以调节各方面信息，指挥各项指令正常进行；用机器的输出模拟人的效应器官，用以输出信息。但由于人脑的极端复杂性，人工智能智能模拟人脑的部分功能。

其次，人工智能没有社会性。人类意识是社会的产物，具有社会性。人在行动时要考虑到由此引起的这样或那样的效果，人工智能只执行特定的指令，并不探求任务本身的社会意义，不会考虑到社会后果。

再次，人工智能不具有人类思维的心理素质。人类意识是物质世界长期发展的产物，是人类在生理基础上的心理过程，是由人类的情感、直觉、想象、猜测等心理活动所构成的精神世界。机器思维是人们利用电子管、晶体管、集成电路等电气元件和线路所组成的机械的、物理的装置，并用软件方法等模拟人的思维活动，机器思维不是人类的精神活动，而是纯属无意识的机械的物理的过程。

最后，人工智能没有人类意识所特有的能动创造性。人脑的思维活动是一种能动的创造性活动，它能不断地提出新问题，发现新事物，并通过实践创造出属于人的新世界。人工智能只能按照人事先为它设计好的程序来运行，机械的模拟人的意识活动，却毫不理解这一活动，更不会提出新的问题来。

总之，人工智能可以代替甚至超过人脑的部分思维能力。但是，人工智能绝不会取代、超越人的意识。人类意识与人工智能有着本质的区别，二者是创造与被创造、支配与被支配、操纵与被操纵的关系。

第四章 人工智能的两种实现方法

为了将人工智能的理论研究成果应用于实际，人们发明了多种方法。目前大部分的人工智能应用系统是在冯•诺依曼结构的通用数字计算机或通用算机上运行求得结果。这种用软件实现的方法灵活性强但速度较慢。从原理上讲，几乎所有的编程语言均可用于解决人工智能算法，但从编程的便捷性和运行效率考虑，最好选用“人工智能语言”。常用的人工智能语言有传统的函数型语言Lisp、逻辑型语言Prolog及面向对象语言Smalltalk、VC＋＋及VB等。

为了缩短人工智能应用程序的开发周期，人们还研制出了多种专用开发工具，如MathWorks公司推出的高性能数值计算可视化软件Matlab中包含有神经网络工具箱，提供了许多Matlab函数。另外，还有多种专家系统工具用于开发特定领域的专家系统，如INSIGHT、GURU、CLIPS、ART等。这些实用工具为开发人工智能应用程序提供了便利条件。在硬件方面，随着微电子技术的发展，出现了非冯诺依曼结构微处理器，给人工智能信息处理带来了新的生机和活力。DSP是其中的典型产品，它放弃了冯诺依曼结构而采用了哈佛结构，即将程序指令与数据的存储空间分开，各有自己的数据与地址总线，使得处理数据和指令可以同时进行，大大提高了运行速度。在那些因受传统微处理器速度和结构限制而难以实现复杂算法及难以达到要求速度的场合，可考虑选用DSP。高速DSP芯片已被认为是模拟神经特性的理想工具，并可直接用在将来的神经网络计算机中。同时，各大芯片生产厂商已研制出各种专用模糊芯片和神经网络芯片，用专用芯片比用软件方法实现速度快得多，当系统较复杂或速度要求较高时，可选用这些专用芯片，但专用芯片的价

格较昂贵。

人工智能在计算机上实现时有2种不同的方式。一种是采用传统的编程技术，使系统呈现智能的效果，而不考虑所用方法是否与人或动物机体所用的方法相同。这种方法叫工程学方法（Engineering approach），它已在一些领域内作出了成果，如文字识别、电脑下棋等。另一种是模拟法（Modeling approach），它不仅要看效果，还要求实现方法也和人类或生物机体所用的方法相同或相类似。本书介绍的遗传算法（Generic Algorithm, 简称GA）和人工神经网络（Artificial Neural Network,简称ANN）均属后一类型。遗传算法模拟人类或生物的遗传-进化机制，人工神经网络则是模拟人类或动物大脑中神经细胞的活动方式。为了得到相同智能效果，两种方式通常都可使用。采用前一种方法，需要人工详细规定程序逻辑，如果游戏简单，还是方便的。如果游戏复杂，角色数量和活动空间增加，相应的逻辑就会很复杂（按指数式增长），人工编程就非常繁琐，容易出错。而一旦出错，就必须修改原程序，重新编译、调试，最后为用户提供一个新的版本或提供一个新补丁, 非常麻烦。采用后一种方法时，编程者要为每一角色设计一个智能系统（一个模块）来进行控制，这个智能系统（模块）开始什么也不懂，就像初生婴儿那样，但它能够学习，能渐渐地适应环境，应付各种复杂情况。这种系统开始也常犯错误，但它能吸取教训，下一次运行时就可能改正，至少不会永远错下去，用不到发布新版本或打补丁。利用这种方法来实现人工智能，要求编程者具有生物学的思考方法，入门难度大一点。但一旦入了门，就可得到广泛应用。由于这种方法编程时无须对角色的活动规律做详细规定，应用于复杂问题，通常会比前一种方法更省力。