(关于人工智能.docxVIP

人工智能(artificial intelligence)是模拟与解释人类智能行为的学科，有两个相辅相成的任务：其一，发展具有类似生物（人类）智能行为的计算系统（智能信息处理，或智能系统），并以此来解决现实世界的困难问题，其二，借助计算机模拟并解释生物（人类）的智能行为（认知科学）。尽管有些人将后者划归为人工智能学科，但还有很多人将人工智能研究限制在前者的理论和方法上，这样人工智能也就自然成为计算机科学的一个分支。人工智能作为一个新的术语出现在20世纪50年代，起初人们试图使用这个术语来概括当时一类正在兴起的被称为“复杂信息处理”的新研究。其核心内容就是使用计算机处理符号，以及处理由符号表示的知识。使用“复杂”一词，是因为这类问题的研究者认为，当时对计算机功能普遍认可的数值计算是“简单信息处理”，而对符号信息的处理，才是计算机功能的主要体现。这样，描述并解决计算机处理符号信息中存在的问题成为核心任务。1956年，在美国达特茅斯学院的讨论会上，鉴于“能够使用符号”是智慧的最重要标志，麦卡锡（McCarthy，人工智能的先驱）建议将这类研究使用更为“引人注目”的术语——人工智能。这时，无论是人工智能学者还是社会期待这样一种背景，使人工智能研究逐步扩展为模拟与解释人类的智能行为。当人们将人工智能的研究任务从“符号分析的复杂信息处理”推广为“模拟与解释人类的智能行为”之时，它就与“制造具有某种人类智慧的聪明机器”的理想一致了。20世纪40至50年代期，认知科学和“复杂信息处理”仅是这个理想所涵盖的研究之一，与上述理想相关联的且对信息科学技术有深刻影响的研究，至少应该包含下述三项结果：其一，对环境适应。1948年，Wiener提出控制论，强调智能表现为“对变化的外界环境的适应”，关键是反馈。这个思想后被Ashiby发展为以微分方程定性理论为基础的控制理论，基于此，Ashiby写出了“大脑设计”的著作。由于“人工智能”术语的使用与符号处理密切相关，因此，这个思想在以后人工智能的发展中并没有起到主导作用，直到1991年，Brooks提出临场人工智能之时，这个思想才正式加入人工智能的研究，这是后话了。其二，神经信息处理。鉴于智能行为来自神经活动的信息加工过程，根据神经科学的研究结果，建立智能模型是一个合理的选择。这类研究遵循神经科学在20世纪40年代期间的两个重要研究结果：(1)McCulloch与Pitts的神经元信息加工方式的模型，(2)Hebb的学习机制，并据此建立神经元信息加工的数学模型，以在计算机上表现智能行为。建立模型的方法一般以统计学(优化)为基础，对计算而言，数值计算是其重要组成。其三，认知科学。相对于神经信息加工的智能研究，它不介意行为产生的原因，模型一般以符号推理为基础。对以后人工智能有重要影响的研究是Turing实验，即，一种判别机器具有智能的准则，其关心的是智能行为的体现，而不考虑完成智能任务的机器是否与智能生物有相同(或类似)的组成结构。其开创性的研究是，1951年Shannon设计的第一个计算机下棋程序，它同时揭示了计算机进行非数值(符号)处理的可能性。在“模拟与解释人类智能行为”研究的半个世纪中，“对环境适应”一直没能成为主流，除了“机器昆虫”外，在理论与方法上似乎并没有本质上的突破。基于认知科学(复杂信息处理)与基于神经信息加工两种实现智能行为的研究，则呈现出“三十年河东，三十年河西”之态势，它们交替引领着这类研究。这样，对人工智能这个术语的内涵来说，就存在两种解释：其一，狭义解释，人工智能是基于认知科学的复杂信息处理的理论与方法，这是人工智能先驱的理想；其二，广义解释，在人造机器上实现智能行为的理论与方法，这个解释将不仅涵盖了上述三类研究，当然也可以包含任何与这个目标有关的理念、理论和方法。目前，人工智能的研究并不局限在狭义解释上，这样，1956年Dartmonth会议将“丢失”其作为“模拟与解释人类智能行为”研究起点的“荣耀”，而保留了“人工智能”这个已经影响了半个世纪且还在影响今后信息科学发展的术语的发明权。自“人工智能”术语提出至今，已经过去了半个世纪，尽管“模拟与解释人类智能行为”还只是一种理想，甚至人们至今还不能决定使用何种理念、理论和方法作为人工智能的基础，这就是为什么在过去的半个世纪中，不同的理念和方法交替主导这类研究的原因。然而，通过对人工智能的研究，大大推动了计算机科学和技术的发展却是不争的事实。在人工智能研究的历史上，最重要的争论是：智能行为是采用结构的方法描述还是采用统计的方法描述。这个争论延续至今，在这个学科发展的不同阶段，不同的主张引领不同时期的研究。无论采用何种主张，依照人工智能先驱在基于符号分析的复杂信息处理的方式中，人工智能的研究大致存在三个基本任务：表示、推理（表示与推理是紧