第八节　人工智能科学

一、人工智能的诞生和发展
产业革命使人类从事的笨重体力劳动由机器代替了，人们能以轻微的体力操纵机器 便可搬动沉重的物体，也可以说体力被机器放大了。随着计算机的出现和日益广泛的应 用，自然会提出人类的智力活动由机器来实现、由机器来放大的问题。数学家图灵（A.Turing，1912～1954）于1950年在"Mind"杂志上发表了"计算机与智能"的著名论文，并提出了如何判别一台计算机是否有智能的实验方法。然而时至今日，计算机能不能有智能、能不能思维还没有完整的论证，仍有争议。这里涉及到对"智能"认识的发展以及对脑力劳动与体力劳动的界限划定的不断推移。比如，对于计算机所完成的数字计算，人们已习以为常地不一定把它看成是高级的智能行为了。
几十年来，人们一直把计算机视作只会熟练准确地运算数字的东西，尽管它运算速度快得惊人。然而当今现实世界要处理的大多数问题并不是数值计算，像语言的理解和翻译、图形声音的理解、决策管理等都不属数值计算范畴。特别像医疗诊断类问题，明显地需要通过医生本人高超的专门医学诊断本领（不是计算机），也就是专门的特有的经验知识才能得出正确的诊断。这种由"数据世界"到"知识世界"的转化，由数据处理范围扩展到符号知识处理范畴的转变是人工智能诞生的重要因素。有人说：只有不受数字约束的思维之光，才能照亮奥秘领域所蕴含的真理。试探性的搜索，启发式的、不精确的、模糊的甚至允许出现错误的推理方法更符合人类的思维过程。
上述观点促使了人工智能学科的诞生。1956年夏天，有10位朝气蓬勃的年轻人在美国汉诺威的达特茅斯（Dartmouth）大学举行了一次讨论会，介绍与交流数学、心理学、逻辑学、语言学、哲学、信息论、控制论、计算机科学等领域的最新成果和研究进展，探讨机器与人之间的相互关系。在交流探讨中，与会者萌发了一个朴素的思想：设法使电子计算机具有人的智能。他们并且大胆地预言，25年之后，这一设想将初见成效。作为这次会议筹备者之一的达特茅斯大学数学系助教约翰·麦卡锡（J?McCarthy，现斯坦福大学教授）首先提出了"人工智能"这一术语，当即得到了大家的赞同，从而开创了人工智能的研究方向。
1956～1969年是人工智能的初创阶段。在这期间，人们主要致力于这门学科的探索与开拓工作。
从20世纪50年代算起，人工智能的发展大概是：20世纪50年代以游戏、博奕为对象开始了人工智能的研究，其间以电子线路模拟神经元及人脑都没有成功。1956年艾伦·纽厄尔（XXXXwell）等在卡内基（Carnagie）大学负责领导人工智能研究中心的全面工作，开发Logic Theorist程序，应用了启发式技术而不是穷举法。 20世纪60年代前期以搜索、一般问题求解的研究为主。1963年Newell发表了问题求解程序，走向了以计算机程序来模拟人类思维的道路，第一次把求解方法和问题的领域知识分离开。1960年麦卡锡(McCarthy)建立了人工智能程序设计语言Lisp。20世纪60年代后期，机器定理证明取得重大进展，对规划问题也作了研究。1965年美国数学家鲁滨逊（Robinson）提出了归结原理，使机器证明获得了重大突破。1968年Quillan提出了语文网络的知识表示方法。
20世纪70年代是人工智能的发展阶段，人们一方面继续进行机器翻译、机器弈棋、模式识别和机器人的开发工作，另一方面又开创了定理证明、自然语言理解、专家系统等人工智能研究的新领域。
20世纪70年代前期，人工智能受到责难。但人工智能学者仍进行了有效的研究，以自然语言理解、知识表示的研究为主。特别是认识到仅靠推理是不够的，知识对于实现智能最为重要。1972年Winograd发表了自然语言理解系统SHRDLV，1973年Schank提出了概念从属的表示法，1974年Minsky提出了重要的框架表示法，这时Prolog程序设计语言出现。20世纪70年代后期，以知识工程、认知科学的研究为主。1977年Feigenbaum提出了知识工程，专家系统开始广泛应用，出现了专家系统开发工具，人工智能产业日益兴起。专家系统是20世纪70年代人工智能最引人注目的成果。在日常生活中，人们把对某一门学问有专门研究或擅长某项技术的人称为专家，如医学专家、微电子专家等，而专家系统则是一种能像专家那样解决某些领域中问题的智能计算机系统。为达到这一目的，必须事先把专家的有关知识和经验存入计算机，建立知识库，并且要赋予计算机以应用这些知识的能力，包括推理、演绎、判断、决策之类。1971年，斯坦福大学杰出的人工智能专家爱德华·菲根鲍姆研制成功世界上第一个专家系统DENDRL，它能够像化学家那样分析化合物质谱，推断求知的化学结构。之后，各种类型的专家系统不断涌现，并陆续应用于医疗诊断、文化教育、矿藏勘探、化学分析等领域。
20世纪80年代，以推理技术、知识获取、自然语言理解和机器视觉的研究为主，开始了不确定推理、非单调推理、定性推理方法的研究。机器学习或知识获得已成为人工智能界的热门话题，机器翻译系统已成商品。光阴似箭，当年参加讨论会的会议代表，如今早已是专家、教授，其中大多数成了人工智能方面的知名学者和权威人士。1981年在加拿大温哥华举行的第七届人工智能国际联合会议上，面对人工智能这门学科所取得的可喜进展，5位当年的与会者愉快地回忆起25年前参加那次讨论会时的情景，他们对自己当时颇具胆识的预见深感满意和欣慰。20世纪80年代．全世界已有数千台各种语言、各种类型的翻译机投入使用，20万名机器人正在孜孜不倦地工作而毫无怨言，弈棋机在国际象棋锦标赛中曾多次击败象棋大师而荣登冠军宝座，集著名大夫专科知识和经验于一身的医疗诊断系统，即"电脑医生"，已经开诊服务。美国、日本和西欧各国的许多公司都设置了人工智能开发部门，例如美国的DEC公司、得克萨斯仪器公司、阿波罗计算机公司，日本的富士通公司、住友电气工业公司等。随之，人工智能专用机、人工智能工作站、专家系统开发支援工具等人工智能产品便相继问世。人工智能产品的发展很快，1986年为11.3亿美元，而1990年差不多是1986年的4倍，达到42.45亿美元。
20世纪90年代是人工智能的应用期。讲口语的自然语言理解（限定领域不限定人）巳达每秒一句话的量级；视觉方面，机器人驾驶的汽车在自然景致的野外环境下已能达到人们一般散步的速度。现今，人工智能正朝着实用化迈进，不再限于理论讨论。至于人工智能的未来，说起来就像科学幻想一样。比方说自然语言处理方面，人们希望计算机不仅能懂得书面语言，还懂口头语言，可以用自然语言，如英语，很方便地和使用者交谈。希望计算机能把一种语言翻译成另一种语言，或者就有关专题从一本书中找出某个问题的答案等，这样人们可以节省很多时间去学习外语和查阅资料。设想一下，在农业中，计算机将控制病虫害、进行剪枝，并有选择地套种庄稼；在工业中，机器人将代替人进行枯燥的重复劳动和在过于危险的条件下从事工作，如在海底发掘矿藏；在医院里，计算机将帮助诊断、护理病人，处理治疗和管理床位；在家庭中，计算机将考虑烹调和采购、清理地板和草地、处理各种家务和生活费用。人工智能正在使它们变为现实。
专家预计今后几年将出现人工智能研究、开发和应用新高潮。在高智能专家系统、新一代推理机、智能化仪器、实用智能机器人、高性能脑模型、工厂智能化、办公室智能化、学校智能化、社会智能化等研究和开发方面将出现新的进展和突破。
人工智能正以其美妙的前景吸引着人们，成为当今新技术革命中十分活跃的、具有战略意义的新技术科学。虽然人工智能不能超越人的智能，但它是人的智能的物化，会给人们的生活、工作带来极大便利，有着光辉灿烂的未来。无数科学工作者正利用人的智能，发展和应用着人工智能。
二、人工智能的概念
人工智能是一门正在发展中的学科，由于所涉及的一些理论问题目前尚处于探索阶段，因此要给它以一个确切的定义是比较困难的，以下只能作为一种描述性的说明。
一般地说，人工智能就是专门研究如何用机器来承担本来需要人类智能才能完成的工作，探索和模拟人的感觉及思维过程规律的一门学科。具体地说，就是由人来编制计算机程序，让机器来执行本来需要人类智能方可完成的任务。因此，人工智能又称为机器智能。
人工智能是计算机科学的一个分支，是研究使计算机来完成能表现出人类智能的任务的学科。主要包括计算机实现智能的原理、制造类似于人脑的智能计算机、以及使计算机更巧妙地实现高层次的应用。总的目标是增强人的智能。
还可以说，人工智能是研究怎样使计算机来模仿人脑所从事的推理、学习、规划等 思维活动，来解决需人类专家才能处理的复杂问题。如医疗诊断、石油测探、气象预报、运输调度和管理决策等课题。从实用观点看，人工智能是一门知识工程学：以知识为对象，研究知识的获取、知识的表示方法和知识的使用。
人工智能是探索和模拟人的感觉和思维过程的规律，并进而设计出类似于人的某些智能的自动机的科学。由于电子计算机的发展已具备了逻辑推理功能和存储功能的能力，所以当前这种探索、模拟人的智能活动的主要工具是电子计算机。事实上，人工智能采用的是计算机软件的观点和方法，主要目的是用现有的计算机去探讨智能的原理，使现有的计算机更为聪明，更为有用，进而研制出高级的智能机，所以人工智能不仅是自动化技术的前沿，也是计算机发展的方向，是控制论的尖端问题。
最简单地说，由计算机来表示和执行人类的智能，就是人工智能。或者更确切地说，人工智能就是使计算机进行某些与人的智能有关的功能（如图像识别，问题求解等）的能力，具有这种功能的机器，就称为智能机
当今衡量一个程序是否是一个智能程序，常常从其自然语言理解能力、自动推理能力以及机器学习能力来分辨。从这种观点看，多数程序不是智能程序，少数程序可视作智能程序的雏形，原因是人们对机器学习以及自然语言理解的机器的认识还是很初步的。对计算机会不会有智能，或者说计算机能不能思维这个有争议的问题，可以这样来理解：人的思维过程不是神，人脑是物质的就应该可以认识，一旦掌握了规律便可由机器来实现，这样的看法应该说是正确的。然而人脑在进展，机器又是由人来制造的，从这点看不能说可以完全由机器来代替人脑，部分地代替是没有问题的。
三、人工智能的两个主要流派
人工智能的发展过程，也是人们不断对人类智能模拟方式的反思过程。由此也形成了不同的流派，主要有两个：符号主义和联接主义。
（一）符号主义　　
符号主义又称逻辑主义，是目前影响最大的学派，上述关于人工智能历史的分析也主要反映的是符号主义的发展和成就。符号主义不考虑人脑的具体结构，直接从人脑的功能的宏观表现出发，用电子计算机模拟人类智能。它认为人的智能表现为认知，而认知的基元是符号，认知过程就是符号操作过程，所以能够用计算机的符号操作模拟人的智能行为。知识作为信息的主要形式，是构成智能的基础，所以人工智能的核心问题是知识表示、知识推理和知识运用。知识可以用符号表示，也可以用符号进行推理，因而有可能建立起基于知识的人类智能和机器智能的统一理论体系。符号主义取得很大成就，但是，在视觉理解、语音感知、语言获取以及学习等方面暴露出自身的局限性。人们发现，现行用于人类智能模拟的大规模或超大规模集成电路计算机（即冯·诺意曼型计算机）有三个主要特点：其一，必须严格按照已经编制好的程序步骤进行相应的数值计算和逻辑计算，没有主动学习能力和自适应能力；其二，所有的程序指令都要一条接着一条地顺序执行，处理信息的方式是集中的、串行的；其三，调用操作指令或数据时，总是需要先找到存贮地址，而后查出存贮内容，存贮地址和存贮内容是分开的。所以现行的计算机无法快速处理非数值计算的形象思维问题，无法求解那些信息不完整，具有不确定性和模糊性的问题。而且这种计算机不能应付环境的变化，不能经受内部元件损坏所造成的影响，但人脑在这方面却显示出无比的优越性。正因为这样，人们始终在思考现行的计算机模式是否合适的问题。其中联接主义试图建立神经型智能计算机的努力是非常突出的代表。
（二）联接主义　　
联接主义学派又称为仿生学派和生理学派。它认为人的思维单元是神经元，而不是符号，人的智能行为不能单纯归结为符号信息处理。人脑不同于电脑，人脑的结构、功能和智能行为密切相关，不同的结构表现出不同的功能和行为。所以，人工智能的研究应该着重于结构模拟，即模拟人的生理神经网络结构。在人工智能的发展过程中，人们始终进行着这方面的努力。继感知机之后，1963年诺贝尔奖获得者艾克尔斯（J. C．Eccles， 1903－）提出的"作为一种计算机的小脑："时空模式"，使对小脑的结构和功能的研究有了重大进展。70年代，日本科学家提出了具有模拟人的联想记忆能力的"联想机"，后来又提出反馈型认识机的神经网络模型，这种模型较之以前的脑模型和学习机有较大的信息加工能力。进入到80年代，对神经网络的研究再次出现高潮。科学家们在神经网络建模及其应用方面取得开创性成果。如 1982年美国生物物理学家霍普菲尔德（J.J.Hopfield）采用全互连型神经网络模型，利用所定义的计算能量函数，成功地解决了计算复杂度为NP完全型的旅行商问题，这项突破性进展引起人们对神经网络潜在能力的高度重视，从而掀起了研究神经网络信息处理方法和研制神经计算机的热潮。包括我国在内的许多国家现在都把神经网络开发和研制神经计算机作为新的科学生长点。人们认为，在这种"脑型"计算机中，信息不是存贮在单元的状态中，而是存贮在网络的连接模式中。分布性、并行性以及连接性是这种计算机的主要特征。结构上的这种特征，决定了它在功能上也具有"机型"计算机所不具备的优点。如具有自学习功能，具有联想存贮功能，具有高速寻找优化解的能力等。
四、人工智能的主要研究内容
由于人们对"智能"的理解不同，因而对"智能"进行人工模拟时，选择的重点也不尽相同。但一般来说，人工智能研究的内容主要包括以下几方面：知识表示方法、问题求解、逻辑推理和定理证明、自然语言理解、自动程序设计、机器学习及人工神经网络等。
根据Pss假设，知识是智能的基础，所以知识表示方法便成为人工智能研究的中心内容之一。目前在人工智能中常用的几种知识表示方法是：状态空间法、问题归纳法、谓词逻辑法、语义网络法、框架表示法、剧本表示法和过程表示法等。
问题求解是一个内涵广泛的研究领域，它涉及到归纳、推断、决策、规划、常识推理、定理证明和相关过程的核心概念。问题求解一般包括问题表示和对解答的搜索两个方面。问题表示同知识表示方法相关联，问题表示的状况直接决定求解空间的大小，对求解结果和求解工作量影响很大。对问题求解的过程人们也进行了深入的研究，探讨了盲目搜索（包括宽度优先搜索、深度优先搜索和等代价搜索等）、启发式搜索（主要有有序搜索和最优搜索、正向搜索和逆向搜索等一般搜索策略，也发展出比一般搜索方法具有更高搜索效率的高级求解系统，如规划演绎系统专家系统、系统组织技术、不确定性推理和非单调推理等。人工智能关于问题求解的研究取得了引人注目的成绩，专家系统具有重要的实用价值，能够求解难题的下棋（如国际象棋）程序设计水平不断提高。1997年5月，计算机"深蓝"与国际象棋世界冠军卡斯帕罗夫对弈，最终以3.5比2.5的总比分获胜，引起了世人的极大关注。
逻辑推理是人工智能研究中最持久的领域之一，与之密切相关的是运用计算机来进行定理的证明。这方面的研究在人工智能方法的发展中曾经产生过重要的影响。西蒙等人建立的逻辑理论机成功地证明了《数学原理》一书中的38个定理，这一工作对于人工智能学科的产生和发展具有重要推动作用。1976年美国K·阿佩尔（K.APPel）等人用计算机证明了长达124年未能解决的数学难题--四色定理，这一工作不但轰动了计算机界，而且使人们充分认识到计算机在替代人的智能方面所具有的潜能。
语言处理也是人工智能的早期研究领域之一，而且现在愈来愈引起人们的重视。目前语言处理研究的主要课题是：在翻译句子时，以主题和对话情况为基础，注意大量的一般常识--关于生活和世界的基本知识与期望的重要性。研究表明，能理解自然语言信息的计算机系统如同人一样需要有上下文知识以及根据这些上下文知识运用信息发生器进行推理的技术和能力。
学习是人类智能的主要标志和获得知识的基本手段。机器学习（自动获取新的事实和新的推理算法）是使计算机具有智能的根本途径。所以在人工智能发展过程中，机器学习是一个始终得到重视的研究领域。现在这方面理论正在创立，方法日臻完善，但远未达到理想境地。从理论上讲，学习过程本质上是学习系统将导师提供的信息转换成能被系统理解并应用的形式。学习方法大体可以分成：l、机械式学习；2、讲授式学习；3、类比学习；4、归纳学习；5、观察发现式学习。目前运用第3、4、5这三种方法开发学习系统还处于探索阶段。此外，近年来还发展了一些新的学习方法，如基于解释的学习，基于事例的学习，基于概念的学习和基于神经网络的学习。
由于冯·诺意曼体系结构的局限性，"机型"计算机在很多方面同人类智能相比有很大差距。因此人们试图寻找新的信息处理机制。人工神经网络的研究是其中非常重要的一个方面。研究结果已经表明，运用神经网络处理直觉和形象思维信息具有比传统处理方式好得多的效果，神经网络的发展既具有广泛的背景，又具有广阔的前景。对神经网络模型、算法、理论分析和硬件实现的大量研究，已经为神经网络计算机走向应用提供了物质基础。现在，神经网络在模式识别、图象处理、组合优化、自动控制、机器人学和人工智能的其他领域获得日益广泛的应用。人们期望神经计算机将在更多的方面取代传统的计算机，使人类智能的人工模拟向更深的层次发展。
人工智能的研究对人类生产和生活方式的改变有深远影响。人工智能不是人类智能在机器中的简单复制，而是人类智能某些属性的延伸和加强，是人类智能的必要补充。所以发展人工智能有着重要的意义。当然，在人工智能的发展过程中，人们也存在着智能技术是否会失控的担忧。从本质上讲，智能技术是人类智能的物化，是人赋予机器的智能，人工智能不可能完全等同于人类智能。所以，是否能够使人工智能更好地服务于人类，最终不取决于智能技术，而是取决于人类自身。