人工智能

人工智能：一路走来

0.引言：

我眼中的人工智能

第一次接触“人工智能”这个词汇是，几年前看了斯皮尔伯格的同名电影，影片中机器人制造技术已经高度发达，先进的机器人不但拥有可以乱真的人类外表，还能感知自身的存在，那个叫做大卫的智能机器人所有的程序就是爱，令人感动不已。1999年的《黑客帝国》与2003年它的第二集《重装上阵》都描述了机器人奴役人类的故事。影片中计算机把人类当作电池蓄养起来，提供给主机作为能源使用。这些电影都给我留下了深刻的印象，人工智能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。没想到我在研究生阶段就可以接触到。

人工智能的发展确实是在给我们的生活带来看得见、摸得着好处。无论是机器人、语言识别、图像识别，还是自然语言处理甚至是专家系统都在各行各业得到广泛的应用。

人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。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。

人工智能:过去

英国科学家图灵于1936 年提出“理论计算机”模型,被称之为“图灵机”,创立了“自动机理论”。1950年,图灵发表了著名论文《计算机能思维吗?》,明确地提出了“机器能思维”的观点。在人工智能50 多年的历史中,先后出现了逻辑学派、控制论学派和仿生学派。符号主义方法以物理符号系统假设和有限合理性原理为基础,联结主义方法和以人工神经网络和进化计算为核心,行为主义方法则侧重研究感知和行动之间的关系。这些理论和方法在模式识别、知识工程、专家系统、智能控制、数据挖掘、智能机器人等领域取得了伟大成就,极大推动了科技进步和社会发展。如,医学专家系统、多层前馈神经网络、IBM 的国际象棋机器人。

数学运算阶段

在以机械方式运行的计算器诞生百年之后，随着电子技术的突飞猛进以及真空二极管和真空三极管的发明，计算机开始了真正意义上的由机械向电子时代的过渡。电子器件逐渐演变成为计算机的主体，而机械部件则渐渐处于从属位置。1906年美国人Lee De Forest发明电子管，为电子计算机的发展奠定了基础；1924年2月IBM公司成立，从此一个具有划时代意义的公司诞生；1937年英国剑桥大学的Alan M.Turing出版了他的论文，并提出了被后人称之为“图灵机”的数学模型；1941年Atanasoff和学生Berry 完成了能解线性代数方程的计算

机，取名叫“ABC ”，用电容作存储器，用穿孔卡片作辅助存储器，完成一次加法运算用时一秒；1946年美国宾夕法尼亚大学莫尔学院制成的大型电子数字积分计算机(ENIAC)，最初也专门用于火炮弹道计算，后经多次改进而成为能进行各种科学计算的通用计算机，这就是人们常常提到的世界上第一台电子计算机；1945年数学家冯·诺伊曼发表了电子离散变量自动计算机(EDVAC) 方案；

此阶段的数学运算主要是以机电方式或电子管方式来实施的。

逻辑推理阶段

1950年图灵发表了一篇划时代论文《计算机与智能》，引起了巨大的震动，他认为，与人脑的活动方式极为相似的机器是可以制造出来的。

逻辑推理是人类思维的重要方面，包括归纳推理、演绎推理和模糊推理等多种形式。人工智能的核心内容就是要模拟这些推理形式，实现诸如故障诊断、数学定理证明、问题判断与求解、博弈等功能，因此逻辑推理是人工智能的核心内容之一。1956年纽厄尔、赫伯特·西蒙等人发现人们求解数学题通常是用试凑的办法进行的，试凑时不一定列出了所有的可能性，而是用逻辑推理来迅速缩小搜索范围，人类证明数学定理也是通过“分解”（把一个复杂问题分解为几个简单的子问题）和“代入”（利用已知常量代入未知的变量）等方法，用已知的定理、公理或解题规则进行试探性推理，直到所有的子问题最终都变成已知的定理或公理，从而解决整个问题。人类求证数学定理也是一种启发式搜索。因此他们利用程序向数学定理试图证明一些数学定理并取得了初步的成功。

此阶段的逻辑推理主要是以晶体管方式或集成电路方式来实施的。

专家系统阶段

1977年第五届国际人工智能大会上提出了“知识工程”的概念，标志着AI 研究从传统的以推理为中心，进入到以知识为中心的新阶段。他具体介绍了他们所开发的第一个“专家系统”。专家系统是一种智能的计算机程序，它能够运用知识进行推理，解决只有专家才能解决的复杂问题。专家系统的客观目的是要在机器智能与人类智慧集大成者──专家的知识经验之间建造一座桥梁，它是人类专家可以信赖的高水平智力助手。80年代以后的专家系统逐步朝着大型化、集成化发展，从狭窄的专业领域走向宽广的多科领域，知识工程开始具备了方法学的性质。

人如果要灵活地分析问题和处理问题，并且适用于复杂多变的应用场合，就必须不断地吸收新知识和新信息，总结经验与教训，变更计划与步骤，这就需要不断地进行学习，在人工智能中，“学习”具有重要的意义。显然，专家系统已经开始具备了“学习”的功能，专家系统的“学习”过程就是知识的自动积累过程。在数学推理系统中，“学习”过程就是根据一些简单的概念推理形成较复杂的概念，并作出数学猜想等，根据一些简单的公理推理形成较复杂的公理，并作出理论假说等；在问题判断与求解中，“学习”过程就是根据执行情况修改计划。

此阶段的专家系统主要是以大规模集成电路方式来实施的。

模式识别阶段

模式识别是近来得到迅速发展的人工智能分支学科。电脑模式识别技术最初起源于图象识别的需要。严格地说，模式识别的目标包括对于识别对象的描述、理解与综合。

模式识别是本世纪雄心最大的学科，需要电脑科学家、数学家、生物学家、心理学家、哲学家和社会学家的通力合作。

图象模式识别技术比较成功的运用领域是文字识别。如果把每一个中文汉字