張大蓬

摘 要：文章簡要闡述了人工智能的基本內(nèi)涵及其發(fā)展歷程，重點(diǎn)分析了人工智能的研究進(jìn)展及其在專家系統(tǒng)、機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)、模式識(shí)別以及智能決策支持系統(tǒng)等領(lǐng)域的應(yīng)用。

關(guān)鍵詞：人工智能；網(wǎng)絡(luò)時(shí)代；專家系統(tǒng)；神經(jīng)網(wǎng)絡(luò)

引言

從1956年召開的達(dá)特沃斯會(huì)議至今，人工智能學(xué)科已經(jīng)經(jīng)歷了半個(gè)多世紀(jì)的發(fā)展，期間不斷涌現(xiàn)出了邏輯學(xué)派、控制論學(xué)派以及仿生學(xué)派等。這些理論學(xué)科的創(chuàng)新，極大地推動(dòng)了模式識(shí)別、知識(shí)工程以及機(jī)器人等領(lǐng)域的發(fā)展，涌現(xiàn)出了一大批專家系統(tǒng)、數(shù)據(jù)挖掘、智能機(jī)器人、智能控制系統(tǒng)和設(shè)備，推動(dòng)了整個(gè)科技和社會(huì)的發(fā)展，使得我們的生活方式也發(fā)生了極大地改變。當(dāng)下，網(wǎng)絡(luò)時(shí)代下的人工智能正以計(jì)算機(jī)技術(shù)為核心，在認(rèn)識(shí)科學(xué)、網(wǎng)絡(luò)科學(xué)以及生物智能等交叉領(lǐng)域中已經(jīng)開始有較快的發(fā)展和創(chuàng)新，人工智能的水平不斷提高、處理速度和精度逐漸提升。文章主要結(jié)合人工智能的研究進(jìn)展和應(yīng)用領(lǐng)域，對(duì)未來人工智能發(fā)展做出了展望和啟示。

1 人工智能的內(nèi)涵及其發(fā)展

人工智能（Artificial Intelligence，AI）是在1956年召開的達(dá)特沃斯會(huì)議上由McMarthy提出的。人工智能最為計(jì)算機(jī)學(xué)科的重要分支之一，主要研究用于模擬、延伸以及拓展人類的智能的理論、技術(shù)和方法的新型綜合技術(shù)科學(xué)，被視為世界三大尖端科技技術(shù)之一。

人工智能的發(fā)展主要經(jīng)歷了兩個(gè)階段：弱人工智能階段、強(qiáng)人工智能階段。弱人工智能階段主要是二十世紀(jì)五十年代至六十年代，這段時(shí)期，人工智能的研究主要方向是結(jié)合領(lǐng)域內(nèi)知識(shí)，采用啟發(fā)式思維編寫能證明平面幾何定理或者能與象棋大師進(jìn)行下棋的計(jì)算機(jī)程序。特別的，在AlanTuring著述的《計(jì)算器與智能》中，對(duì)人類智能的機(jī)械化進(jìn)行了論述，提出了圖靈機(jī)準(zhǔn)則和理論模型，為現(xiàn)代計(jì)算機(jī)的出現(xiàn)奠定了堅(jiān)實(shí)的理論基礎(chǔ)，也為整個(gè)人工智能研究提供了重要的智能機(jī)標(biāo)準(zhǔn)。

強(qiáng)人工智能階段主要是二十世紀(jì)六十年代至七十年代，期間，人們開始嘗試進(jìn)行自然語言通訊。如何讓計(jì)算機(jī)識(shí)別、理解語言，并自動(dòng)處理回答問題、分析和處理圖像信息等成為人工智能研究的主要目標(biāo)和方向。到了七十年代，在進(jìn)行大量科學(xué)推理和探索后，逐漸出現(xiàn)了一大批專家級(jí)的程序，并迅速運(yùn)用在其他各個(gè)生產(chǎn)領(lǐng)域，創(chuàng)造出巨大的經(jīng)濟(jì)利益。到了八十年代，人工智能逐漸開始向以知識(shí)為中心的領(lǐng)域發(fā)展，人們也逐漸重視到模擬智能的重要性，展開對(duì)知識(shí)的表示、推理以及機(jī)器學(xué)習(xí)。

2 人工智能的研究進(jìn)展與應(yīng)用領(lǐng)域

2.1 專家系統(tǒng)

作為人工智能技術(shù)領(lǐng)域的重要分支之一，專家系統(tǒng)（Expert System，ES）通過將探討思維方法移植到求解專門問題上，使得人工智能實(shí)現(xiàn)了從理論研究向?qū)嶋H運(yùn)用的重大跨越。專家系統(tǒng)被也視為具有專門知識(shí)的計(jì)算機(jī)智能系統(tǒng)，它可以在特定領(lǐng)域的專家提供的知識(shí)以及經(jīng)驗(yàn)基礎(chǔ)上，運(yùn)用人工智能推理技術(shù)進(jìn)行模擬和求解各類復(fù)雜問題。近年來，專家智能系統(tǒng)已經(jīng)成功地運(yùn)用在人工智能領(lǐng)域，例如用戶與專家系統(tǒng)進(jìn)行“咨詢”和“對(duì)話”。同時(shí)，在一些地址數(shù)據(jù)分析、化學(xué)數(shù)據(jù)分析、計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)以及醫(yī)療診斷咨詢等，都已達(dá)到了非常高的水平。專家系統(tǒng)的基本組成包括：知識(shí)庫、數(shù)據(jù)庫、推理機(jī)知識(shí)獲取以及相應(yīng)的解釋機(jī)制和用戶界面，如圖1所示。

2.2 機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)（Machine Learning）主要是研究怎樣實(shí)現(xiàn)計(jì)算機(jī)模擬人類學(xué)習(xí)活動(dòng)。它是在專家系統(tǒng)的基礎(chǔ)上開發(fā)出來的又一人工智能領(lǐng)域，成為人工智能研究的重要核心內(nèi)容之一，遍布于人工智能的各個(gè)領(lǐng)域。

學(xué)習(xí)作為一種有特定目的性的知識(shí)獲取途徑，它最主要的內(nèi)部特征為知識(shí)結(jié)構(gòu)的不斷更新與修改，而外部特征則為性能的不斷改善。同時(shí)，學(xué)習(xí)活動(dòng)作為人類智能的一個(gè)重要特征，是獲取知識(shí)的最基本手段，因此，機(jī)器學(xué)習(xí)也是成為實(shí)現(xiàn)計(jì)算機(jī)智能化的基本手段。相應(yīng)的，機(jī)器學(xué)習(xí)也會(huì)形成反哺效應(yīng)，有助于研究和發(fā)現(xiàn)人類自身學(xué)習(xí)的機(jī)理，進(jìn)而揭示人腦的奧秘。例如，近年來不斷發(fā)展的基于解釋、概念、神經(jīng)網(wǎng)絡(luò)和遺傳學(xué)習(xí)的學(xué)習(xí)方法。

2.3 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)（Aficial Neural Network）也被稱作神經(jīng)網(wǎng)絡(luò)或者類神經(jīng)網(wǎng)絡(luò)，它主要由大量的神經(jīng)元即處理單元相互連接而成。對(duì)于一個(gè)神經(jīng)網(wǎng)絡(luò)而言，它由相互連接的神經(jīng)元組成一個(gè)運(yùn)算模型，是對(duì)人腦基本特性的一種抽象與模擬，主要是為了模擬大腦的一些機(jī)理與反應(yīng)機(jī)制，從而實(shí)現(xiàn)某些特定功能。

神經(jīng)網(wǎng)絡(luò)主要是通過神經(jīng)元之間相互作用實(shí)現(xiàn)信息的處理，即知識(shí)和信息的存儲(chǔ)具體表現(xiàn)是神經(jīng)元互連之間的分布式關(guān)系。對(duì)于人工神經(jīng)網(wǎng)絡(luò)而言，它具有很強(qiáng)的自我學(xué)習(xí)能力，可以擺脫“專家”頭腦自行處理數(shù)據(jù)總結(jié)規(guī)律，具有良好的自適應(yīng)性和組織性。對(duì)于一些復(fù)雜多維的線性問題、定量問題，人工神經(jīng)網(wǎng)絡(luò)具有獨(dú)特的優(yōu)勢。

2.4 模式識(shí)別

在當(dāng)下的互聯(lián)網(wǎng)模式下，計(jì)算機(jī)人工智能所對(duì)應(yīng)的模式識(shí)別主要指的是用計(jì)算機(jī)來代替人類感知的一種模式，主要目的是實(shí)現(xiàn)和完善計(jì)算機(jī)系統(tǒng)模擬人體器官對(duì)外界進(jìn)行感知，而對(duì)應(yīng)的研究對(duì)象是計(jì)算機(jī)模式下的識(shí)別系統(tǒng)。

總的說來，雖然模式識(shí)別的概念在不斷更新，但其主要分類可分為三種：句法模式識(shí)別、統(tǒng)計(jì)模式識(shí)別以及深度神經(jīng)網(wǎng)絡(luò)。早前的模式識(shí)別主要集中于文字、圖像等信息，直到二十世紀(jì)六十年代才漸漸開始對(duì)復(fù)雜三維景物進(jìn)行解釋和描述。緊接著的開始展開對(duì)活動(dòng)目標(biāo)的跟蹤識(shí)別與分析，標(biāo)志著景物分析開始向?qū)嵱没姆较虬l(fā)展。典型的識(shí)別模式案例有：語言識(shí)別、人臉識(shí)別以及虹膜識(shí)別、步態(tài)識(shí)別等。但計(jì)算機(jī)識(shí)別模式最根本的問題是魯棒性，現(xiàn)階段的系統(tǒng)開發(fā)對(duì)環(huán)境具有自適應(yīng)性而對(duì)噪聲等具有魯棒性。在當(dāng)下的網(wǎng)絡(luò)時(shí)代，大數(shù)據(jù)的出現(xiàn)以及深度學(xué)習(xí)性能的不斷提升，從某種程度上解決了計(jì)算機(jī)模式識(shí)別的自適應(yīng)性和魯棒性，但與人相比仍然有較大的差距，還有待進(jìn)一步深度學(xué)習(xí)和研究。

2.5 智能決策支持系統(tǒng)

智能決策支持系統(tǒng)作為人工智能和DSS相結(jié)合的應(yīng)用專家系統(tǒng)（ES，Expert System）技術(shù)，與“知識(shí)-智能”關(guān)系緊密。智能決策支持系統(tǒng)的基本數(shù)據(jù)特征和“大數(shù)據(jù)”高度吻合，開展大數(shù)據(jù)技術(shù)研究，一定會(huì)為將智能決策支持系統(tǒng)發(fā)展帶向一片新的天地。智能決策支持系統(tǒng)在系統(tǒng)定位、決策、數(shù)據(jù)處理和信息檢索與系統(tǒng)安全等方面會(huì)成為未來發(fā)展的新趨勢。

3 未來人工智能發(fā)展展望與啟示

人工智能思想家Nick Bostrom將超級(jí)智能定義為“在幾乎所有領(lǐng)域都比最聰明的人類大腦都聰明很多，包括科學(xué)創(chuàng)新、通識(shí)和社交技能”。超人工智能可以是各方面都比人類強(qiáng)一點(diǎn)，也可以是各方面都比人類強(qiáng)萬億倍的。當(dāng)前，人工智能技術(shù)的發(fā)展正向著大型分布式人工智能以及多專家協(xié)同、推理的多智能協(xié)同系統(tǒng)方向發(fā)展。

參考文獻(xiàn)

[1]徐卓函.大數(shù)據(jù)時(shí)代人工智能的創(chuàng)新與發(fā)展研究[J].科技資訊，2015，33：30-31.

[2]王敏.淺談網(wǎng)絡(luò)時(shí)代下人工智能的研究與發(fā)展[J].電子制作，2013，

12：231.