1、人工智能的現(xiàn)狀及今后發(fā)展趨勢(shì)展望一.引言人工智能(ArtificialIntelligence),英文縮寫為AI,也稱機(jī)器智能。入工智能”一詞最初是在1956年的Dartmouth學(xué)會(huì)上提出的。它是計(jì)算機(jī)科學(xué)、控制論、信息論、神經(jīng)生理學(xué)、心理學(xué)、語言學(xué)等多種學(xué)科互相滲透而發(fā)展起來的一門綜合性學(xué)科。從計(jì)算機(jī)應(yīng)用系統(tǒng)的角度出發(fā)，人工智能是研究如何制造智能機(jī)器或智能系統(tǒng)來模擬人類智能活動(dòng)的能力，以延伸人們智能的科學(xué)。二.目前人工智能技術(shù)的研究和發(fā)展?fàn)顩r目前，人工智能技術(shù)在美國(guó)、歐洲和日本依然飛速發(fā)展。在AI技術(shù)領(lǐng)域十分活躍的舊M公司，已經(jīng)為加州勞倫斯利佛摩爾國(guó)家實(shí)驗(yàn)室制造了ASCIWhite電腦，號(hào)

2、稱具有人腦的千分之一的智力能力。而正在開發(fā)的更為強(qiáng)大的新超級(jí)電腦藍(lán)色牛仔"(BlueJean),據(jù)其研究主任保羅霍恩稱，藍(lán)色牛仔”的智力水平將大致與人腦相當(dāng)。三.技術(shù)應(yīng)用隨著AI技術(shù)的發(fā)展，現(xiàn)代幾乎各種技術(shù)的發(fā)展都涉及到了人工智能技術(shù)，可以說人工智能已經(jīng)廣泛應(yīng)用到許多領(lǐng)域，其典型的應(yīng)用包括：1符號(hào)計(jì)算計(jì)算機(jī)最主要的用途之一就是科學(xué)計(jì)算，科學(xué)計(jì)算可分為兩類：一類是純數(shù)值的計(jì)算，例如求函數(shù)的值；另一類是符號(hào)計(jì)算，又稱代數(shù)運(yùn)算，這是一種智能化的計(jì)算，處理的是符號(hào)。符號(hào)可以代表整數(shù)、有理數(shù)、實(shí)數(shù)和復(fù)數(shù)，也可以代表多項(xiàng)式、函數(shù)、集合等。隨著計(jì)算機(jī)的普及和人工智能的發(fā)展，相繼出現(xiàn)了多種功能齊全的

3、計(jì)算機(jī)代數(shù)系統(tǒng)軟件，其中Mathematic和Maple是它們的代表。由于它們都是用C語言寫成的，所以可以在絕大多數(shù)計(jì)算機(jī)上使用。2模式識(shí)別模式識(shí)別就是通過計(jì)算機(jī)用數(shù)學(xué)技術(shù)方法來研究模式的自動(dòng)處理和判讀。這里，我們把環(huán)境與客體統(tǒng)稱為模式”。用計(jì)算機(jī)實(shí)現(xiàn)模式(文字、聲音、人物、物體等)的自動(dòng)識(shí)別，是開發(fā)智能機(jī)器的一個(gè)關(guān)鍵的突破口，也為人類認(rèn)識(shí)自身智能提供線索。計(jì)算機(jī)識(shí)別的顯著特點(diǎn)是速度快、準(zhǔn)確性和效率高。識(shí)別過程與人類的學(xué)習(xí)過程相似，以語音識(shí)別”為例：語音識(shí)別就是讓計(jì)算機(jī)能聽懂人說的話，一個(gè)重要的例子就是七國(guó)語言（英、日、意、韓、法、德、中）口語自動(dòng)翻譯系統(tǒng)。該系統(tǒng)實(shí)現(xiàn)后，人們出國(guó)預(yù)定旅館、購(gòu)買

4、機(jī)票、在餐館對(duì)話和兌換外幣時(shí)，只要利用電話網(wǎng)絡(luò)和國(guó)際互聯(lián)網(wǎng)，就可用手機(jī)、電話等與老外”通話。3機(jī)器翻譯機(jī)器翻譯是利用計(jì)算機(jī)把一種自然語言轉(zhuǎn)變成另一種自然語言的過程，用以完成這一過程的軟件系統(tǒng)叫做機(jī)器翻譯系統(tǒng)。搜文網(wǎng)目前，國(guó)內(nèi)的機(jī)器翻譯軟件不下百種，根據(jù)這些軟件的翻譯特點(diǎn)，大致可以分為三大類：詞典翻譯類、漢化翻譯類和專業(yè)翻譯類。詞典類翻譯軟件的代表是金山詞霸”，堪稱是多快好省的電子詞典，它可以迅速查詢英文單詞或詞組的詞義并提供單詞的發(fā)音，為用戶了解單詞或詞組含義提供了極大的便利。漢化翻譯軟件的典型代表是東方快車2000”，它首先提出了智能漢化”的概念，使翻譯軟件的輔助翻譯作用更加明顯。4機(jī)器學(xué)習(xí)

5、機(jī)器學(xué)習(xí)是機(jī)器具有智能的重要標(biāo)志，同時(shí)也是機(jī)器獲取知識(shí)的根本途徑。有人認(rèn)為，一個(gè)計(jì)算機(jī)系統(tǒng)如果不具備學(xué)習(xí)功能，就不能稱其為智能系統(tǒng)。機(jī)器學(xué)習(xí)主要研究如何使計(jì)算機(jī)能夠模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)功能。機(jī)器學(xué)習(xí)是一個(gè)難度較大的研究領(lǐng)域，它與認(rèn)知科學(xué)、神經(jīng)心理學(xué)、邏輯學(xué)等學(xué)科都有著密切的聯(lián)系，并對(duì)人工智能的其他分支，如專家系統(tǒng)、自然語言理解、自動(dòng)推理、智能機(jī)器人、計(jì)算機(jī)視覺、計(jì)算機(jī)聽覺等方面，也會(huì)起到重要的推動(dòng)作用。5問題求解人工智能的第一大成就是下棋程序，在下棋程序中應(yīng)用的某些技術(shù)，今天的計(jì)算機(jī)程序已能夠達(dá)到下各種方盤棋和國(guó)際象棋的錦標(biāo)賽水平。但是，尚未解決包括人類棋手具有但尚不能明確表達(dá)的能力，如國(guó)際象

6、棋大師們洞察棋局的能力。另一個(gè)問題是涉及問題的原概念，在人工智能中叫問題表示的選擇，人們常能找到某種思考問題的方法，從而使求解變易而解決該問題。到目前為止，人工智能程序已能知道如何考慮它們要解決的問題，即搜索解答空間，尋找較優(yōu)解答。6邏輯推理與定理證明邏輯推理是人工智能研究中最持久的領(lǐng)域之一，其中特別重要的是要找到一些方法，只把注意力集中在一個(gè)大型的數(shù)據(jù)庫(kù)中的有關(guān)事實(shí)上，留意可信的證明，并在出現(xiàn)新信息時(shí)適時(shí)修正這些證明。醫(yī)療診斷和信息檢索都可以和定理證明問題一樣加以形式化。因此，在人工智能方法的研究中，定理證明是一個(gè)極其重要的論題。7自然語言處理自然語言的處理是人工智能技術(shù)應(yīng)用于實(shí)際領(lǐng)域的典型

7、范例，經(jīng)過多年艱苦努力，這一領(lǐng)域已獲得了大量令人矚目的成果。目前該領(lǐng)域的主要課題是：計(jì)算機(jī)系統(tǒng)如何以主題和對(duì)話情境為基礎(chǔ)，注重大量的常識(shí)世界知識(shí)和期望作用生成和理解自然語言。這是一個(gè)極其復(fù)雜的編碼和解碼問題。8分布式人工智能分布式人工智能在20世紀(jì)70年代后期出現(xiàn)，是人工智能研究的一個(gè)重要分支。分布式人工智能系統(tǒng)一般由多個(gè)Agen（t智能體）組成，每一個(gè)Agent又是一個(gè)半自治系統(tǒng)，Agent之間以及Agent與環(huán)境之間進(jìn)行并發(fā)活動(dòng)，并通過交互來完成問題求解。9計(jì)算機(jī)視覺計(jì)算機(jī)視覺是一門用計(jì)算機(jī)實(shí)現(xiàn)或模擬人類視覺功能的新興學(xué)科，其主要研究目標(biāo)是使計(jì)算機(jī)具有通過二維圖像認(rèn)知三維環(huán)境信息的能力，這

8、種能力不僅包括對(duì)三維環(huán)境中物體形狀、位置、姿態(tài)、運(yùn)動(dòng)等幾何信息的感知，而且還包括對(duì)這些信息的描述、存儲(chǔ)、識(shí)別與理解。目前，計(jì)算機(jī)視覺已在人類社會(huì)的許多領(lǐng)域得到成功應(yīng)用。例如，在圖像、圖形識(shí)別方面有指紋識(shí)別、染色體識(shí)字符識(shí)別等；在航天與軍事方面有衛(wèi)星圖像處理、飛行器跟蹤、成像精確制導(dǎo)、景物識(shí)別、目標(biāo)檢測(cè)等；在醫(yī)學(xué)方面有圖像的臟器重建、醫(yī)學(xué)圖像分析等；在工業(yè)方面有各種監(jiān)測(cè)系統(tǒng)和生產(chǎn)過程監(jiān)控系統(tǒng)等。10智能信息檢索技術(shù)信息獲取和精化技術(shù)已成為當(dāng)代計(jì)算機(jī)科學(xué)與技術(shù)研究中迫切需要研究的課題，將人工智能技術(shù)應(yīng)用于這一領(lǐng)域的研究是人工智能走向廣泛實(shí)際應(yīng)用的契機(jī)與突破口。11專家系統(tǒng)專家系統(tǒng)是目前人工智能中最

9、活躍、最有成效的一個(gè)研究領(lǐng)域，它是一種具有特定領(lǐng)域內(nèi)大量知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)。近年來，在專家系統(tǒng)”或知識(shí)工程”的研究中已出現(xiàn)了成功和有效應(yīng)用人工智能技術(shù)的趨勢(shì)。人類專家由于具有豐富的知識(shí)，所以才能達(dá)到優(yōu)異地解決問題的能力。那么計(jì)算機(jī)程序如果能體現(xiàn)和應(yīng)用這些知識(shí)，也應(yīng)該能解決人類專家所解決的問題，而且能幫助人類專家發(fā)現(xiàn)推理過程中出現(xiàn)的差錯(cuò)，現(xiàn)在這一點(diǎn)已被證實(shí)。如在礦物勘測(cè)、化學(xué)分析、規(guī)劃和醫(yī)學(xué)診斷方面，專家系統(tǒng)已經(jīng)達(dá)到了人類專家的水平。四.目前人工智能發(fā)展中所面臨的難題人工智能(AI)學(xué)科自1956年誕生至今已走過50多個(gè)年頭，就研究解釋和模擬人類智能、智能行為及其規(guī)律這一總目標(biāo)來說，已經(jīng)邁出了

10、可喜的一步，某些領(lǐng)域已取得了相當(dāng)?shù)倪M(jìn)展。但從整個(gè)發(fā)展的過程來看，人工智能發(fā)展曲折，而且還面臨不少難題，主要有以下幾個(gè)方面：1計(jì)算機(jī)博弈的困難博弈是自然界的一種普遍現(xiàn)象，它表現(xiàn)在對(duì)自然界事物的對(duì)策或智力競(jìng)爭(zhēng)上。博弈不僅存在于下棋之中，而且存在于政治、經(jīng)濟(jì)、軍事和生物的斗智和競(jìng)爭(zhēng)之中。盡管西洋跳棋和國(guó)際象棋的計(jì)算機(jī)程序已經(jīng)達(dá)到了相當(dāng)高的水平，然而計(jì)算機(jī)博弈依然面臨著巨大的困難。這主要表現(xiàn)在以下兩個(gè)方面的問題：其一是組合爆炸問題，狀態(tài)空間法是人工智能中基本的形式化方法。若用博弈樹來表示狀態(tài)空間，對(duì)于幾種常見的棋類，其狀態(tài)空間都大得驚人，例如，西洋跳棋為10的40次方，國(guó)際象棋為10的120次方，圍棋

11、則是10的700次方。如此巨大的狀態(tài)空間，現(xiàn)有計(jì)算機(jī)是很難忍受的。其二是現(xiàn)在的博弈程序往往是針對(duì)二人對(duì)弈、棋局公開、有確定走步的一類棋類進(jìn)行研制的。而對(duì)于多人對(duì)弈、隨機(jī)性的博弈這類問題，至少目前計(jì)算機(jī)還是難以模擬實(shí)現(xiàn)的。2機(jī)器翻譯所面臨的問題在計(jì)算機(jī)誕生的初期，有人提出了用計(jì)算機(jī)實(shí)現(xiàn)自動(dòng)翻譯的設(shè)想。目前機(jī)器翻譯所面臨的問題仍然是1964年語言學(xué)家黑列爾所說的構(gòu)成句子的單詞和歧義性問題。歧義性問題一直是自然語言理解(NLU)中的一大難關(guān)。同樣一個(gè)句子在不同的場(chǎng)合使用，其含義的差異是司空見慣的。因此，要消除歧義性就要對(duì)原文的每一個(gè)句子及其上下文進(jìn)行分析理解，尋找導(dǎo)致歧義的詞和詞組在上下文中的準(zhǔn)確意

12、義。然而，計(jì)算機(jī)卻往往孤立地將句子作為理解單位。另外，即使對(duì)原文有了一定的理解，理解的意義如何有效地在計(jì)算機(jī)里表示出來也存在問題。目前的NLU系統(tǒng)幾乎不能隨著時(shí)間的增長(zhǎng)而增強(qiáng)理解力，系統(tǒng)的理解大都局限于表層上沒有深層的推敲，沒有學(xué)習(xí)，沒有記憶，更沒有歸納。導(dǎo)致這種結(jié)果的原因是計(jì)算機(jī)本身結(jié)構(gòu)和研究方法的問題。現(xiàn)在NLU的研究方法很不成熟，大多數(shù)研究局限在語言這一單獨(dú)的領(lǐng)域，而沒有對(duì)人們是如何理解語言這個(gè)問題做深入有效的探討。3自動(dòng)定理證明和GPS的局限自動(dòng)定理證明的代表性工作是1965年魯賓遜提出的歸結(jié)原理。歸結(jié)原理雖然簡(jiǎn)單易行，但它所采用的方法是演繹，而這種形式上的演繹與人類自然演繹推理方法是

13、截然不同的?；跉w結(jié)原理演繹推理要求把邏輯公式轉(zhuǎn)化為子句集合，從而喪失了其固有的邏輯蘊(yùn)含語義。前面曾提到過的GPS是企圖實(shí)現(xiàn)一種不依賴于領(lǐng)域知識(shí)求解人工智能問題的通用方法。GPS想擺脫對(duì)問題內(nèi)部表達(dá)形式的依賴，但是問題的內(nèi)部表達(dá)形式的合理性是與領(lǐng)域知識(shí)密切相關(guān)的。不管是用一階謂詞邏輯進(jìn)行定理證明的歸結(jié)原理，還是求解人工智能問題的通用方法GPS,都可以從中分析出表達(dá)能力的局限性，而這種局限性使得它們縮小了其自身的應(yīng)用范圍。4模式識(shí)別的困惑雖然使用計(jì)算機(jī)進(jìn)行模式識(shí)別的研究與開發(fā)已取得大量成果，有的已成為產(chǎn)品投入實(shí)際應(yīng)用，但是它的理論和方法與人的感官識(shí)別機(jī)制是全然不同的。人的識(shí)別手段、形象思維能力，

14、是任何最先進(jìn)的計(jì)算機(jī)識(shí)別系統(tǒng)望塵莫及的，另一方面，在現(xiàn)實(shí)世界中，生活并不是一項(xiàng)結(jié)構(gòu)嚴(yán)密的任務(wù)，一般家畜都能輕而易舉地對(duì)付，但機(jī)器不會(huì)，這并不是說它們永遠(yuǎn)不會(huì)，而是說目前不會(huì)。五.人工智能的發(fā)展前景1人工智能的發(fā)展趨勢(shì)技術(shù)的發(fā)展總是超乎人們的想象，要準(zhǔn)確地預(yù)測(cè)人工智能的未來是不可能的。但是，從目前的一些前瞻性研究可以看出，未來人工智能可能會(huì)向以下幾個(gè)方面發(fā)展：模糊處理、并行化、神經(jīng)網(wǎng)絡(luò)和機(jī)器情感。2人工智能的發(fā)展?jié)摿薮笕斯ぶ悄茏鳛橐粋€(gè)整體的研究才剛剛開始，離我們的目標(biāo)還很遙遠(yuǎn)，但人工智能在某些方面將會(huì)有大的突破。(1)自動(dòng)推理是人工智能最經(jīng)典的研究分支，其基本理論是人工智能其它分支的共同基礎(chǔ)。

15、一直以來自動(dòng)推理都是人工智能研究的最熱門內(nèi)容之一，其中知識(shí)系統(tǒng)的動(dòng)態(tài)演化特征及可行性推理的研究是最新的熱點(diǎn)，很有可能取得大的突破。(2)機(jī)器學(xué)習(xí)的研究取得長(zhǎng)足的發(fā)展。許多新的學(xué)習(xí)方法相繼問世并獲得了成功的應(yīng)用，如增強(qiáng)學(xué)習(xí)算法、reinforcementlearning等。也應(yīng)看到，現(xiàn)有的方法處理在線學(xué)習(xí)方面尚不夠有效，尋求一種新的方法，以解決移動(dòng)機(jī)器人、自主agent、智能信息存取等研究中的在線學(xué)習(xí)問題是研究人員共同關(guān)心的問題，相信不久會(huì)在這些方面取得突破。(3)自然語言處理是AI技術(shù)應(yīng)用于實(shí)際領(lǐng)域的典型范例，經(jīng)過AI研究人員的艱苦努力，這一領(lǐng)域已獲得了大量令人矚目的理論與應(yīng)用成果。許多產(chǎn)品已經(jīng)進(jìn)入了眾多領(lǐng)域。智能信息檢索技術(shù)在Internet技術(shù)的影響