人工智能学习研究的现状及其发展趋势.pdfVIP

浅谈人工智能学习研究的现状

及其发展趋势

摘要：自上世纪五十年代以来，经过了几个阶段的不断

探索和发展，人工智能在模式识别、知识工程、机器人等领

域已经取得重大成就，但是离真正意义上的的人类智能还相

差甚远。但是进入新世纪以来，随着信息技术的快速进步，

与人工智能相关的技术水平也得到了相应的提高。尤其是随

着因特网的普及和应用，对人工智能的需求，变得越来越迫

切，也给人工智能的研究提供了新的更加广泛的舞台。本

文强调在当今的网络时代，作为信息技术的先导，人工智能

学习在人工智能科学领域中是一个着非常值得关注的研究

方向，要在学科交叉研究中实现人工智能学习的发展与创新，

就要关注认知科学、脑科学、生物智能、物理学、复杂网络、

电脑科学与人工智能之间的交叉渗透点，尤其是重视认知物

理学的研究。自然语言是人类思维活动的载体，是人工智能

学习研究知识表示无法回避的直接对象，要对语言中的概念

建立起能够定量表示的不确定性转换模型，发展不确定性人

工智能；要利用现实生活中复杂网络的小世界模型和无尺度

特性，把网络拓扑作为知识表示的一种新方法，研究网络拓

扑的演化与网络动力学行为，研究网络化了的智能，从而适

学习文档仅供参考

应信息时代数据挖掘的普遍要求，迎接人工智能学习与应用

领域新的辉煌。

1.前言

自20世纪90年代以来，随着全球化的形式与国际竞争

的日益激烈，对人工智能技术的研究与应用变的越来越被人

们关注，且人工智能在制造中的运用以成为实现制造的知识

化、自动化、柔性化以实现对市场的快速响应的关键。

人工智能已对现实社会做出了非常重大的奉献，而且其

作用已在各领域发挥得淋漓尽致，特别是在电脑领域，人工

智能的应用更加突出，可以说，哪里有电脑应用，哪里就在

应用人工智能；哪里需要自动化或半自动化，哪里就在应用

人工智能的理论、方法和技术。目前，人工智能应用的主

要领域，也就是电脑应用的主要领域。

人工智能是一门研究人类智能的机理以及如何用机器

模拟人的智能的学科。从后一种意义上讲，人工智能又被称

为“机器智能”或“智能模拟”。人工智能是在现代电子电

脑出现之后才发展起来的，它一方面成为人类智能的延长，

另一方面又为探讨人类智能机理提供了新的理论和研究方

法。

学习机制的研究是人工智能研究的一项核心课题。它是

学习文档仅供参考

智能系统具有适应性与性能自完善功能的基础。学习过程具

有以下特点：学习行为一般具有明显的目的性，其结果是获

取知识；学习系统中结构的变化是定向的，要么由学习算法

决定，要么由环境决定；学习系统是构造智能系统的中心骨

架，它是全面组织与保存系统知识的场所；学习机制与知识

表达方式密切相关，神经网络表示形式的知识可以用ANN算

法或GA算法来获取，也可以用加强算法来获取。

因此，人工智能学习研究的一个主要目的是使机器能够

胜任一些通常需要人类智能才能完成的复杂工作。但是，不

同的时代、不同的人对这种“复杂工作”的理解是不同的。

例如繁重的科学和工程计算本来是要人脑来承担的，现在电

子电脑不但能完成这种计算，而且能够比人脑做得更快、更

准确，于是当代人已不再把这种计算看作是“需要人类智能

才能完成的复杂任务”。可见复杂工作的定义是随着时代的

发展和技术的进步而变化的，人工智能学习这门科学的具体

目标也自然随着时代的变化而发展。它一方面不断获得新的

进展，一方面又转向更有意义、更加困难的目标。

2.人工智能学习的历史性基础和发展

步伐

人工智能学习的发展历史是和电脑科学与技术的发展

学习文档仅供参考

史联系在一起的。除了电脑科学以外，人工智能还涉及信息

论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、

语言学、医学和哲学等多门学科。

一般认为，人工智能的思想萌芽可以追溯到德国著名数

学家和哲学家莱布尼茨(Leibnitz，1646-1716)提出的通用

语言设想。这一设想的要点是：建立一种通用的符号语言，

用这个语言中的符号表达“思想内容”，用符号之间的形式

关系表达“思想内容”之间的逻辑关系。于是，在“通用语

言”中可以实现“思维