1、.人工智能發(fā)展史人工智能學(xué)科誕生于20世紀(jì)50年代中期，當(dāng)時(shí)由于計(jì)算機(jī)的產(chǎn)生與發(fā)展，人們開(kāi)始了具有真正意義的人工智能的研究。（雖然計(jì)算機(jī)為AI提供了必要的技術(shù)基礎(chǔ),但直到50年代早期人們才注意到人類智能與機(jī)器之間的聯(lián)系. Norbert Wiener是最早研究反饋理論的美國(guó)人之一.最熟悉的反饋控制的例子是自動(dòng)調(diào)溫器.它將收集到的房間溫度與希望的溫度比較,并做出反應(yīng)將加熱器開(kāi)大或關(guān)小,從而控制環(huán)境溫度.這項(xiàng)對(duì)反饋 回路的研究重要性在于: Wiener從理論上指出,所有的智能活動(dòng)都是反饋機(jī)制的結(jié)果.而反饋機(jī)制是有可 能用機(jī)器模擬的.這項(xiàng)發(fā)現(xiàn)對(duì)早期AI的發(fā)展影響很大。）1956年夏，美國(guó)達(dá)特莫斯大學(xué)

2、助教麥卡錫、哈佛大學(xué)明斯基、貝爾實(shí)驗(yàn)室申龍、IBM公司信息研究中心羅徹斯特、卡內(nèi)基梅隆大學(xué)紐厄爾和赫伯特.西蒙、麻省理工學(xué)院塞夫里奇和索羅門夫，以及IBM公司塞繆爾和莫爾在美國(guó)達(dá)特莫斯大學(xué)舉行了以此為其兩個(gè)月的學(xué)術(shù)討論會(huì)，從不同學(xué)科的角度探討人類各種學(xué)習(xí)和其他職能特征的基礎(chǔ)，并研究如何在遠(yuǎn)離上進(jìn)行精確的描述，探討用機(jī)器模擬人類智能等問(wèn)題，并首次提出了人工智能的術(shù)語(yǔ)。從此，人工智能這門新興的學(xué)科誕生了。這些青年的研究專業(yè)包括數(shù)學(xué)、心理學(xué)、神經(jīng)生理學(xué)、信息論和電腦科學(xué)，分別從不同角度共同探討人工智能的可能性。他們的名字人們并不陌生，例如申龍是信息論的創(chuàng)始人，塞繆爾編寫(xiě)了第一個(gè)電腦跳棋程序，麥卡錫、

3、明斯基、紐厄爾和西蒙都是“圖靈獎(jiǎng)”的獲獎(jiǎng)?wù)?。這次會(huì)議之后，在美國(guó)很快形成了3個(gè)從事人工智能研究的中心，即以西蒙和紐威爾為首的卡內(nèi)基梅隆大學(xué)研究組，以麥卡錫、明斯基為首的麻省理工學(xué)院研究組，以塞繆爾為首的IBM公司研究組。隨后，這幾個(gè)研究組相繼在思維模型、數(shù)理邏輯和啟發(fā)式程序方面取得了一批顯著的成果：（1）1956年，紐威爾和西蒙研制了一個(gè)“邏輯理論家“（簡(jiǎn)稱LT）程序，它將每個(gè)問(wèn)題都表示成一個(gè)樹(shù)形模型,然后選擇最可能得到正確結(jié)論的那一枝來(lái)求解問(wèn)題，證明了懷特黑德與羅素的數(shù)學(xué)名著數(shù)學(xué)原理的第2章中52個(gè)定理中的38個(gè)定理。1963年對(duì)程序進(jìn)行了修改，證明了全部定理。這一工作受到了人們的高度評(píng)價(jià)，

4、被認(rèn)為是計(jì)算機(jī)模擬人的高級(jí)思維活動(dòng)的一個(gè)重大成果，是人工智能的真正開(kāi)端。（2）1956年，塞繆爾利用對(duì)策論和啟發(fā)式搜索技術(shù)編制出西洋跳棋程序Checkers。該程序具有自學(xué)習(xí)和自適應(yīng)能力，能在下棋過(guò)程中不斷積累所獲得的經(jīng)驗(yàn)，并能根據(jù)對(duì)方的走步，從許多可能的步數(shù)中選出一個(gè)較好的走法。這是模擬人類學(xué)習(xí)過(guò)程第一次卓有成效的探索。這臺(tái)機(jī)器不僅在1959年擊敗了塞繆爾本人，而且在1962年擊敗了美國(guó)一個(gè)州的跳棋冠軍，在世界上引起了大轟動(dòng)。這是人工智能的一個(gè)重大突破。（3）1958年，麥卡錫研制出表處理程序設(shè)計(jì)語(yǔ)言LISP，它不僅可以處理數(shù)據(jù)，而且可以方便的處理各種符號(hào)，成為了人工智能程序語(yǔ)言的重要里程碑

5、。目前，LISP語(yǔ)言仍然是研究人工智能何開(kāi)發(fā)智能系統(tǒng)的重要工具。（4）1960年紐威爾、肖和西蒙等人通過(guò)心理學(xué)實(shí)驗(yàn)，發(fā)現(xiàn)人在解題時(shí)的思維過(guò)程大致可以分為3個(gè)階段：1。首先想出大致的解題計(jì)劃；2。根據(jù)記憶中的公理、定理和解題規(guī)劃、按計(jì)劃實(shí)施解題過(guò)程；3.在實(shí)施解題過(guò)程中，不斷進(jìn)行方法和目標(biāo)分析，修改計(jì)劃。這是一個(gè)具有普遍意義的思維活動(dòng)過(guò)程，其中主要是方法和目的的分析。（也就是人們?cè)谇蠼鈹?shù)學(xué)問(wèn)題通常使用試湊的辦法進(jìn)行的試湊是不一定列出所有的可能性，而是用邏輯推理來(lái)迅速縮小搜索范圍的辦法進(jìn)行的），基于這一發(fā)現(xiàn)，他們研制了“通用問(wèn)題求解程序GPS”，用它來(lái)解決不定積分、三角函數(shù)、代數(shù)方程等11種不同類

6、型的問(wèn)題，并首次提出啟發(fā)式搜索概念，從而使啟發(fā)式程序具有較普遍的意義。（5）1961年，明斯基發(fā)表了一篇名為邁向人工智能的步驟的論文，對(duì)當(dāng)時(shí)人工智能的研究起了推動(dòng)作用。正是由于人工智能在20世紀(jì)50年代到60年代的迅速發(fā)展和取得的一系列的研究成果，使科學(xué)家們歡欣鼓舞，并對(duì)這一領(lǐng)域給予了過(guò)高的希望。紐威爾和西蒙在1958年曾作出以下預(yù)言：不出十年，計(jì)算機(jī)將成為世界象棋冠軍，除非規(guī)定不讓它參加比賽；.不出十年，計(jì)算機(jī)將發(fā)現(xiàn)并證明那時(shí)還沒(méi)有被證明的數(shù)學(xué)定理；.不出十年，計(jì)算機(jī)將譜寫(xiě)出具有較高美學(xué)價(jià)值并得到評(píng)論家認(rèn)可的樂(lè)曲；不出十年，大多數(shù)心理學(xué)家的理論將采用計(jì)算機(jī)程序來(lái)形成。非常遺憾的是，到目前為止

7、，這樣的預(yù)言還沒(méi)有一個(gè)得到完全的實(shí)現(xiàn)，人工智能的研究狀況比紐威爾和西蒙等科學(xué)家的設(shè)想要復(fù)雜和艱難的多。事實(shí)上，到了20世紀(jì)70年代初，人工智能在經(jīng)歷一段比較快速的發(fā)展時(shí)期后，很快就遇到了許多問(wèn)題。這些問(wèn)題主要表現(xiàn)在：（1）1965年魯賓遜發(fā)明了歸結(jié)（消解）原理，曾被認(rèn)為是一個(gè)重大的突破，可是很快這種歸結(jié)法能力有限，證明兩個(gè)連續(xù)函數(shù)之和還是連續(xù)函數(shù)，推證了十萬(wàn)步竟還沒(méi)有得證。（2）塞繆爾的下棋程序，贏得了周冠軍后，沒(méi)能贏全國(guó)冠軍。（3）機(jī)器翻譯出了荒謬的結(jié)論。如從英語(yǔ)俄語(yǔ)英語(yǔ)的翻譯中，又一句話：“The spirit is willing but the flesh is weak”(心有余而力

8、不足)，結(jié)果變成了”The wine is good but the meat is spoiled”(酒是好的，肉變質(zhì)了)，鬧出了笑話。（4）大腦約有10的15次方以上的記憶容量，此容量相當(dāng)于存放幾億本書(shū)的容量，現(xiàn)有的技術(shù)條件下在機(jī)器的結(jié)構(gòu)上模擬人腦是不大可能的。（5）來(lái)自心理學(xué)、神經(jīng)生理學(xué)、應(yīng)用數(shù)學(xué)、哲學(xué)等各界的科學(xué)家們對(duì)人工智能的本質(zhì)、基本原理、方法及機(jī)理等方面產(chǎn)生了質(zhì)疑和批評(píng)。由于人工智能研究遇到了困難，使得人工智能在20世紀(jì)70年代初走向低落。但是，人工智能的科學(xué)家沒(méi)有被一時(shí)的困難所嚇倒，他們?cè)谡J(rèn)真總結(jié)經(jīng)驗(yàn)教訓(xùn)的基礎(chǔ)上，努力探索使人工智能走出實(shí)驗(yàn)室，走向?qū)嵱没男侣纷?，并取得了令人?/p>

9、舞的進(jìn)展。特別是專家系統(tǒng)的出現(xiàn)，實(shí)現(xiàn)了人工智能從理論研究走向?qū)嶋H應(yīng)用，從一般思維規(guī)律探索走向?qū)ｉT知識(shí)應(yīng)用的重大突破，是人工智能發(fā)展史上的重大轉(zhuǎn)折，將人工智能的研究推向了新高潮。下面是幾個(gè)又代表性的專家系統(tǒng)：（1）1968年斯坦福大學(xué)費(fèi)根鮑姆教授和幾位遺傳學(xué)家及物理學(xué)家合作研制了一個(gè)化學(xué)質(zhì)譜分析系統(tǒng)（DENDARL），該系統(tǒng)能根據(jù)質(zhì)譜儀的數(shù)據(jù)和核磁諧振的數(shù)據(jù)，以及有關(guān)化學(xué)知識(shí)推斷有機(jī)化合物的分子結(jié)構(gòu)，達(dá)到了幫助化學(xué)家推斷分子結(jié)構(gòu)的作用。這是第一個(gè)專家系統(tǒng)，標(biāo)志著人工之能從實(shí)驗(yàn)室走了出來(lái)，開(kāi)始進(jìn)入實(shí)際應(yīng)用時(shí)代。（2）繼DENDARAL系統(tǒng)之后，費(fèi)根鮑姆領(lǐng)導(dǎo)的研究小組又研制了診斷和治療細(xì)菌感染性血液

10、病的專家咨詢系統(tǒng)MYCIN。經(jīng)專家小組對(duì)醫(yī)學(xué)專家、實(shí)習(xí)醫(yī)師以及MYCIN行為進(jìn)行正式測(cè)試評(píng)價(jià)，認(rèn)為MYCIN的行為超過(guò)了其他所有人，尤其在診斷和治療菌血癥和腦膜炎方面，顯示了該系統(tǒng)作為臨床醫(yī)生實(shí)際助手的前途。從技術(shù)的角度來(lái)看，該系統(tǒng)的特點(diǎn)是：1。使用了經(jīng)驗(yàn)性知識(shí)，用可信度表示，進(jìn)行不精確推理。2.對(duì)推理結(jié)果具有解釋功能，時(shí)系統(tǒng)是透明的。3.第一次使用了知識(shí)庫(kù)的概念。正是由于MYCIN基本解決了知識(shí)表示、知識(shí)獲取、搜索策略、不精確推理以及專家系統(tǒng)的基本結(jié)構(gòu)等重大問(wèn)題（是怎樣解決的呢？），對(duì)以后的專家系統(tǒng)產(chǎn)生了很大的影響。（3）1976年，斯坦福大學(xué)國(guó)際人工智能中心的杜達(dá)等人開(kāi)始研制礦藏勘探專家系

11、統(tǒng)PROSPECTOR，它能幫助地質(zhì)學(xué)家解釋地質(zhì)礦藏?cái)?shù)據(jù)，提供硬巖石礦物勘探方面的咨詢，包括勘探測(cè)評(píng)，區(qū)域資源估值，鉆井井位選擇等。該系統(tǒng)用語(yǔ)義網(wǎng)絡(luò)表示地質(zhì)知識(shí)，擁有15中礦藏知識(shí)，采用貝葉斯概率推理處理不確定的數(shù)據(jù)和知識(shí)。PROSPECTOR系統(tǒng)于1981年開(kāi)始投入實(shí)際使用，取得了巨大的經(jīng)濟(jì)效益。例如1982年，美國(guó)利用該系統(tǒng)在華盛頓發(fā)現(xiàn)一處礦藏，據(jù)說(shuō)實(shí)用價(jià)值可能超過(guò)1億美元。（4）美國(guó)卡內(nèi)基梅隆大學(xué)于20世紀(jì)70年代先后研制了語(yǔ)音理解系統(tǒng)HEARSAY-I加入HEARSAY-II，它完成從輸入的聲音信號(hào)轉(zhuǎn)換成字，組成單詞，合成句子，形成數(shù)據(jù)庫(kù)查詢語(yǔ)句，再到情報(bào)數(shù)據(jù)庫(kù)中去查詢資料。該系統(tǒng)的特

12、點(diǎn)是采用“黑板結(jié)構(gòu)”這種新結(jié)構(gòu)形式，能組合協(xié)調(diào)專家的知識(shí)，進(jìn)行不同抽象級(jí)的問(wèn)題求解。在這一時(shí)期，人工智能在新方法、程序設(shè)計(jì)語(yǔ)言、知識(shí)表示、推理方法等方面也取得了重大進(jìn)展。例如70年代許多新方法被用于AI開(kāi)發(fā),著名的如Minsky的構(gòu)造理論.另外David Marr提出了機(jī)器視覺(jué)方面的新理論,例如,如何通過(guò)一副圖像的陰影,形狀,顏色,邊界和紋理等基本信息辨別圖像.通過(guò)分析這些信息,可以推斷出圖像可能是什么，法國(guó)馬賽大學(xué)的柯?tīng)桘渹惡退I(lǐng)導(dǎo)的研究小組于1972年研制成功的第一個(gè)PROLOG系統(tǒng)，成為了繼LISP語(yǔ)言之后的另一種重要的人工智能程序語(yǔ)言；明斯基1974年提出的框架理論；紹特里夫于1975

13、年提出并在MYCIN中應(yīng)用的不精確推理；杜達(dá)于1976年提出并在PROSPECTOR中應(yīng)用的貝葉斯方法；等等人工智能的科學(xué)家們從各種不同類型的專家系統(tǒng)和知識(shí)處理系統(tǒng)中抽取共性，總結(jié)出一般原理與技術(shù)，使人工智能又從實(shí)際應(yīng)用逐漸回到一般研究。圍繞知識(shí)這一核心問(wèn)題，人們重新對(duì)人工智能的原理和方法進(jìn)行了探索，并在知識(shí)獲取、知識(shí)表示以及知識(shí)在推理過(guò)程中的利用等方面開(kāi)始出現(xiàn)一組新的原理、工具和技術(shù)。1977年，在第五屆國(guó)際人工智能聯(lián)合會(huì)（IJCAI）的會(huì)議上，費(fèi)根鮑姆教授在一篇題為人工智能的藝術(shù)：知識(shí)工程課題及實(shí)例研究的特約文章中，系統(tǒng)的闡述了專家系統(tǒng)的思想，并提出了知識(shí)工程（KnowledgeEngin

14、eering）的概念。費(fèi)根鮑姆認(rèn)為，知識(shí)工程是研究知識(shí)信息處理的學(xué)科，它應(yīng)用人工智能的原理和方法，對(duì)那些需要專家知識(shí)才能解決的應(yīng)用難題提供了求解的途徑。恰當(dāng)?shù)倪\(yùn)用專家知識(shí)的獲取、表示、推理過(guò)程的構(gòu)成與解釋，是設(shè)計(jì)基于知識(shí)的系統(tǒng)的重要技術(shù)問(wèn)題。至此，圍繞著開(kāi)發(fā)專家系統(tǒng)而開(kāi)展的相關(guān)理論、方法、技術(shù)的研究形成了知識(shí)工程學(xué)科。知識(shí)工程的研究使人工智能的研究從理論轉(zhuǎn)向應(yīng)用，從基于推理的模型轉(zhuǎn)向基于知識(shí)的模型。為了適應(yīng)人工智能和知識(shí)工程發(fā)展的需要，在政府的大力支持下，日本于1982年開(kāi)始了為期10年的“第五代計(jì)算機(jī)的研制計(jì)劃”，即“知識(shí)信息處理計(jì)算機(jī)系統(tǒng)KIPS”，總共投資4.5億美元。它的目的是使邏輯推

15、理達(dá)到數(shù)值運(yùn)算那樣快。日本的這一計(jì)劃形成了一股熱潮，推動(dòng)了世界各國(guó)的追趕浪潮。美國(guó)、英國(guó)、歐共體、蘇聯(lián)等都先后制訂了相應(yīng)的發(fā)展計(jì)劃。隨著第五代計(jì)算機(jī)的研究開(kāi)發(fā)和應(yīng)用，人工智能進(jìn)入一個(gè)興盛時(shí)期，人工智能界一派樂(lè)觀情緒。然而，隨著專家系統(tǒng)應(yīng)用的不斷深入，專家系統(tǒng)自身存在的知識(shí)獲取難、知識(shí)領(lǐng)域窄、推理能力弱、只能水平低、沒(méi)有分布式功能、實(shí)用性差等等問(wèn)題逐步暴露出來(lái)。日本、美國(guó)、英國(guó)和歐洲所制訂對(duì)那些針對(duì)人工智能的大型計(jì)劃多數(shù)執(zhí)行到20世紀(jì)80年代中期就開(kāi)始面臨重重困難，已經(jīng)看出達(dá)不到預(yù)想的目標(biāo)。進(jìn)一步分析便發(fā)現(xiàn)，這些困難不只是個(gè)別項(xiàng)目的制訂又問(wèn)題，而是涉及人工智能研究的根本性問(wèn)題?？偟膩?lái)講是兩個(gè)問(wèn)題

16、：一是所謂的交互（Interaction）問(wèn)題，即傳統(tǒng)方法只能模擬人類深思熟慮的行為，而不包括人與環(huán)境的交互行為。另一個(gè)問(wèn)題是擴(kuò)展（Scaling up）問(wèn)題，即所謂的大規(guī)模的問(wèn)題，傳統(tǒng)人工智能方法只適合于建造領(lǐng)域狹窄的專家系統(tǒng)，不能把這種方法簡(jiǎn)單的推廣到規(guī)模更大、領(lǐng)域更寬的復(fù)雜系統(tǒng)中去。這些計(jì)劃的失敗，對(duì)人工智能的發(fā)展是一個(gè)挫折。盡管經(jīng)歷了這些受挫的事件,AI仍在慢慢恢復(fù)發(fā)展.新的技術(shù)在日本被開(kāi)發(fā)出來(lái),如在美國(guó)首創(chuàng)的模糊邏輯,它可以從不確定的條件作出決策;還有神經(jīng)網(wǎng)絡(luò),被視為實(shí)現(xiàn)人工智能的可能途徑.1982年后，人工神經(jīng)網(wǎng)絡(luò)像雨后春筍一樣迅速發(fā)展起來(lái)，給人們帶來(lái)了新的希望。人工神經(jīng)網(wǎng)絡(luò)的主要

17、特點(diǎn)是信息的分布存儲(chǔ)和信息處理的并行化，并具有自組織自學(xué)習(xí)能力，這使人們利用機(jī)器加工處理信息有了新的途徑和方法，解決了一些符號(hào)方法難以解決的問(wèn)題，使人工智能的學(xué)術(shù)界興起了神經(jīng)網(wǎng)絡(luò)的熱潮。1987年美國(guó)召開(kāi)了第一次神經(jīng)網(wǎng)絡(luò)國(guó)際會(huì)議，宣布新學(xué)科的誕生。1988年以后，日本和歐洲各國(guó)在神經(jīng)網(wǎng)絡(luò)方面的投資逐步增加，促進(jìn)了該領(lǐng)域的研究。但是隨著應(yīng)用的深入，人們又發(fā)現(xiàn)人工神經(jīng)元網(wǎng)絡(luò)模型和算法也存在問(wèn)題。20世紀(jì)80年代末，以美國(guó)麻省理工學(xué)院布魯克斯（R.A.Brooks）教授為代表的行為主義學(xué)派提出了“無(wú)須表示和推理”的智能，認(rèn)為智能只在與環(huán)境的交互中表現(xiàn)出來(lái)，并認(rèn)為研制可適應(yīng)環(huán)境的“機(jī)器蟲(chóng)”比空想智能機(jī)器人要好。以后，人工智能學(xué)術(shù)界充分認(rèn)識(shí)到已有的人工智能方法僅限于在模擬人類智能活動(dòng)中使用成功的經(jīng)驗(yàn)知識(shí)處理簡(jiǎn)單的問(wèn)題，開(kāi)始在符號(hào)機(jī)理與神經(jīng)網(wǎng)機(jī)理的結(jié)合及引入Agent系統(tǒng)等方面進(jìn)一步開(kāi)展研究工作。20世紀(jì)90