简述人工智能概念_人工智能的历史和未来

  本文关键词：人工智能的历史和未来，由笔耕文化传播整理发布。

人工智能的历史和未来

作者：不详　更新时间：2012-6-10 16:25:59

摘　要： 本文简述了人工智能的起源与发展，介绍了人工智能与计算机的关系及其研究和应用领域。重点介绍近期成为热点的人工智能技术和方法，叙述近年来人工智能研究中出现的争论，分析了人工智能的产业化和各方面的影响, 最后展望了人工智能的未来发展。

关键词：人工智能；方法；争论；影响；前景
1． 概述
    人工智能(Artificial Intelligence 以下称AI) 是一门通过计算过程力图理解和模仿智能行为的学科（Schalkoff,1990）。可实现判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动的自动化（Bellman,1978）。半个世纪以来，AI的飞速发展令人瞠目。到了今天，可以说是各种学科都不可避免会用到AI。本文力图通过对AI的发展及其研究和应用领域的介绍，寻求AI发展的一般规律，以及AI产业化的可能趋势，最后展望面临的可能与挑战。
2． AI发展简史[1]
  上世纪三四十年代，Wiener、弗雷治、罗素的数理逻辑，和Church、图灵的数字功用以及计算机处理促使了1956年夏的AI学科诞生。
　　20世纪60年代以来，生物模仿用来建立功能强大的算法。这方面有进化计算，包括遗传算法、进化策略和进化规划（1962年）。
　　1992年Bezdek提出计算智能。他和Marks（1993年）指出计算智能取决于制造者提供的数值数据，含有模式识别部分，不依赖于知识；计算智能是认知层次的低层。今天，计算智能涉及神经网络、模糊逻辑、进化计算和人工生命等领域，呈现多学科交叉与集成的趋势。
　　人工生命以进化计算为基础，研究自组织、自复制、自修复以及形成这些特征的混沌动力学、进化和环境适应，具体包括生命现象的仿生系统、人工建模与仿真、进化动力学、人工生命的计算理论、进化与学习综合系统以及人工生命的应用等。20世纪60年代，罗森布拉特研究感知机，Stahl建立细胞活动模型，Lindenmayer提出了生长发育中的细胞交互作用数学模型。这些模型支持细胞间的通信和差异。70年代以来，Conrad等研究人工仿生系统中的自适应、进化和群体动力学，提出不断完善的“人工世界”模型。80年代，人工神经网络再度兴起促进人工生命的发展。其主要研究方法有信息模型法和工作原理法。其研究途径分为工程技术途径和生物科学途径。
　　专家系统在90年代兴起, 模拟人类专家解决领域问题,知识库的改进与归纳是其重点。从功能上可分为解释、预测、诊断、设计、规划、监视、控制、调试、教学、修理等专家系统。从原理上可分为基于规则、基于框架、基于模型的专家系统。新型专家系统分为分布式和协同式。驱动方式有控制驱动、数据驱动、需求驱动，事件驱动等。诸多模型中，人工神经网络模型的应用最为广泛。
　　自动规划是一种问题求解技术，从某个特定的问题状态出发，寻求一系列行为动作，并建立一个操作序列，直到求得目标状态为止。发展的技术有分层规划、长度优先搜索、应用最小约束策略、准则法等。已发展了HACKER系统 STRIPS规划系统、PULP-Ⅰ机器人规划系统（有学习能力）、问题求解系统NOAH等。
　　AI的发展促进自动控制向智能控制发展。从1960年以来，神经网络已成功应用于自动控制研究。这是因为神经网络适于实时控制和动力学控制；可实现非线性控制；可进行信息熔合处理，特别适于复杂的、多变量大系统的控制。原理方面，1965年，傅京孙引入AI的启发式推理规则，1977年，Saridis引入运筹学的概念智能控制，提出分级（组织级、协调级和执行级）递阶智能控制方法。之后，蔡自兴再引入信息论。现在，研究和应用从实验室到工业现场、从家电到火箭制导，已经广泛用于武器控制、机器人规划与控制、（制造业采矿业等的）自动加工系统的智能控制、故障检测与诊断、飞行器的智能控制医用智能控制、智能仪器等。
  分布式AI具有协作性、适应性等特性。包括分布式问题求解（DPS）和MAS系统（MAS）。MAS具有更大的灵活性和适应性，已有各种理论模型，有(1) BDI模型 (2) 协商模型 (3) 协作规划模型 (4) 自协调模型。MAS的协作方法有(1)决策网络和递归建模 (2)Markov对策(3)Agent学习方法(4)决策树和对策树。Agent以BDI（信念、愿望和意图）为模型，是目前AI以至计算机科学和控制科学与工程的研究热点。Agent间的不同协作类型将导致不同的协调过程。如基于集中规划、基于协商、基于对策和基于社会规划的协调。MAS的学习对象处于动态变化中，且其学习离不开Agent间的通信。为此，MAS学习需付出更大的代价。对MAS的规划研究，目前主要借助于可在世界状态间转换的抽象结构，如与或图。至于通过Agent精神状态研究的方式，较为复杂，远未成熟。MAS系统的研究和应用领域有多机器人协调、过程智能控制、网络通信与管理、交通控制、电子商务等。现在，因特网已成为MAS技术的天然试验平台。
　　此外，AI还包括智能检索、智能调度与指挥等领域。智能检索努力于搜索引擎的改进，智能调度则努力集中在使求解空间随时间的变化尽可能缓慢地增长。
　　在硬件方面，试验中的神经计算机力图重建人脑的形象，现在基本已经能够以类似人类的方式进行“思考”。量子计算机的研究也已起步。试图从根本上以硬件实现模糊推理。
　　机器学习、计算智能、人工神经网络、Agent以及行为主义的研究深入开展，不同观点的加速融合，都预示着AI研究即将有重大突破。
3． AI的重要影响
3.1 对科学的影响
    自然科学方面，AI与其它学科相互交叉、相互渗透和相互促进。AI向其它学科提供了工具和方法，如知识表示和推理机制、问题求解和搜索算法，模糊逻辑推理和非单调推理技术，以及计算智能技术等，可以解决从前难以解决的问题。而其他学科的重要概念，在AI研究中也得到发展。如计算机系统的分时系统、编目处理系统和交互调试系统等[2]。
　　社会科学方面也是如此。在需要使用数学－计算机工具解决问题的学科（如经济学），AI带来的帮助不言而喻。
　　更重要的是，AI反过来有助于人类最终认识自身智能的形成。在重新阐述知识历史的过程中，AI有望解决知识的模糊性，消除知识的不一致性。这将导致逻辑和哲学等等方面的改善,影响到心理学、认知学的核心理论，对于哲学社会学方面的理论也将带来彻底的变革。
此外，，综合应用语法、语义和AI的形式知识表示方法，有可能改善知识的自然语言表达形式

[1] [2]  下一页

上一篇：化学实验教学中心网站建设与页面设计优化策略 　 下一篇：啁啾布拉格光栅的可调谐色散补偿特性

相关文章

  本文关键词：人工智能的历史和未来，由笔耕文化传播整理发布。