人工智能知識(shí)體系及學(xué)科綜述

　　摘要：本文以人工智能的知識(shí)體系為研究?jī)?nèi)容，闡述人工智能的分支及其分類，以人工智能的知識(shí)單元為組織基礎(chǔ)，總結(jié)與知識(shí)單元相關(guān)的學(xué)科、理論基礎(chǔ)、代表性成果及方法，描述知識(shí)單元之間的層次關(guān)系，指出人工智能目前的重要研究問題。
　　關(guān)鍵詞：人工智能；智能分類；知識(shí)體系
　　文章編號(hào)：1672-5913(2010)08-0025-04
　　中圖分類號(hào)：G642
　　文獻(xiàn)標(biāo)識(shí)碼：A
　　
　　1　人工智能
　　
　　斯坦福大學(xué)的Nilsson提出人工智能(ArtificialIntelligence AI)是關(guān)于知識(shí)的科學(xué)，即知識(shí)的表示、知識(shí)的獲取以及知識(shí)的運(yùn)用。人工智能在AI學(xué)科的基本思想和內(nèi)容是研究人類智能活動(dòng)規(guī)律，研究模擬人類某些智能行為的基本理論、方法和技術(shù)，構(gòu)造具有一定智能的人工系統(tǒng)，讓計(jì)算機(jī)去完成以往需要人的智力才能勝任的工作。
　　AI涉及計(jì)算機(jī)科學(xué)、控制論、信息論、神經(jīng)心理學(xué)、哲學(xué)及語言學(xué)等多個(gè)學(xué)科，是一門新理論和新技術(shù)不斷出現(xiàn)的綜合性邊緣學(xué)科。AI與思維科學(xué)是實(shí)踐和理論的關(guān)系，屬于思維科學(xué)的技術(shù)應(yīng)用層次，延伸了人腦的功能，實(shí)現(xiàn)腦力勞動(dòng)的自動(dòng)化。
　　作為一門多學(xué)科交叉的課程，人工智能在機(jī)器學(xué)習(xí)、模式識(shí)別、機(jī)器視覺、機(jī)器人學(xué)、航空航天、自然語言理解、Web知識(shí)發(fā)現(xiàn)等領(lǐng)域取得了突破性進(jìn)展。機(jī)器學(xué)習(xí)與知識(shí)表達(dá)的關(guān)系，模式識(shí)別與機(jī)器人學(xué)、機(jī)器視覺的關(guān)系，是學(xué)習(xí)的難點(diǎn)。人工智能的研究方法、學(xué)術(shù)流派、理論知識(shí)非常豐富，應(yīng)用領(lǐng)域十分廣泛。沒有一個(gè)比較科學(xué)的AI知識(shí)體系，學(xué)生找不到體系和關(guān)系，會(huì)對(duì)AI產(chǎn)生神龍見首不見尾的感覺，嚴(yán)重影響學(xué)習(xí)興趣。
　　本文從以下幾個(gè)方面進(jìn)行闡述：(1)智能與AI的關(guān)系；(2)AI的知識(shí)單元；(3)AI的相關(guān)學(xué)科、理論基礎(chǔ)、代表性成果及方法；(4)AI的知識(shí)體系及應(yīng)用。把握好上述的幾個(gè)方面，就可以確準(zhǔn)地表達(dá)知識(shí)，利用知識(shí)進(jìn)行問題求解，掌握發(fā)現(xiàn)知識(shí)的方法，感知與理解智能系統(tǒng)構(gòu)建的成果及技術(shù)。
　　
　　
　　2　AI及分類
　　
　　認(rèn)為智能源于腦，把腦(主要人腦)宏觀層次的智能稱為腦智能。而蜜蜂群、螞蟻群等群體行為表現(xiàn)出的智能稱為群智能。兩種智能分屬不同的層次和應(yīng)用，腦智能是個(gè)體智能，群智能是社會(huì)智能或系統(tǒng)智能。模擬上述智能而生成的AI分兩種，模擬腦智能的符號(hào)智能和模擬群智能的計(jì)算智能。
　　AI劃分為符號(hào)智能和計(jì)算智能有些籠統(tǒng)。如進(jìn)行仔細(xì)區(qū)分，AI來源于心理模擬、生理模擬、行為模擬和群體模擬。
　　
　　2，1心理模型，符號(hào)推演
　　以心理模擬為依據(jù)，智能模型起源于數(shù)理邏輯。因人腦的記憶、聯(lián)系、推理等思維活動(dòng)在心理層面進(jìn)行。Boole在《思維法則》中首次用符號(hào)語言描述思維活動(dòng)的基本推理法則。
　　符號(hào)智能將信息和知識(shí)表示為符號(hào)形式，邏輯建模人的思維活動(dòng)，通過邏輯推理，模擬人腦的思維過程進(jìn)行問題求解。稱為心理學(xué)派、邏輯學(xué)派或符號(hào)主義。
　　
　　2，2生理模擬，神經(jīng)計(jì)算
　　認(rèn)為AI源于仿生學(xué)，特別是人腦模型。代表性成果是生理學(xué)家McCulloch和數(shù)理邏輯學(xué)家Pitts創(chuàng)立的腦模型，即MP模型。Hopfield提出用硬件模擬神經(jīng)網(wǎng)絡(luò)，Rumelhart提出多層網(wǎng)絡(luò)中的反向傳播BP算法。從模型到算法，從理論分析到工程實(shí)現(xiàn)，生理模擬及神經(jīng)計(jì)算成為AI的一個(gè)研究流派。
　　
　　2，3行為模擬，控制進(jìn)化
　　基于行為模擬的AI稱為行為主義及控制論學(xué)派。起源于控制論，模擬人及動(dòng)物與環(huán)境交互、控制過程中的智能活動(dòng)或行為，認(rèn)為智能只有在環(huán)境中才是真正的智能。其批評(píng)符號(hào)主義和仿生學(xué)派對(duì)真實(shí)世界的過分簡(jiǎn)化。控制論的系統(tǒng)研究在上個(gè)世紀(jì)60年代播下智能控制和智能機(jī)器人的種子，在80年代誕生智能控制和智能機(jī)器人系統(tǒng)。
　　
　　
　　2，4群體智能，仿生計(jì)算
　　模擬生物群落的群體智能行為，將仿生計(jì)算的成果，直接付諸應(yīng)用。代表性成果有遺傳算法，進(jìn)化計(jì)算，蟻群算法和粒子群算法等。計(jì)算智能以數(shù)據(jù)為基礎(chǔ)，主要通過數(shù)值計(jì)算，運(yùn)用算法進(jìn)行問題求解。通過符號(hào)智能的知識(shí)表達(dá)、推理及模式識(shí)別等前期處理得到的數(shù)值，運(yùn)用計(jì)算智能算法進(jìn)行搜索計(jì)算。
　　AI主要體現(xiàn)為符號(hào)智能和計(jì)算智能，符號(hào)智能的研究?jī)?nèi)容主要有知識(shí)模型化及表示、搜索理論、wfUZ5l8qWbu5MJGQC+N2yGllxqfm+vj+WK13AjjOjI8=推理、不確定性推理、系統(tǒng)結(jié)構(gòu)和符號(hào)學(xué)習(xí)等。計(jì)算智能的研究?jī)?nèi)容有進(jìn)化計(jì)算、模糊邏輯、神經(jīng)計(jì)算和統(tǒng)計(jì)學(xué)習(xí)。這些研究?jī)?nèi)容所涵蓋的研究方法在表1中進(jìn)行詳細(xì)的說明，同時(shí)較為完整地體現(xiàn)AI課程的知識(shí)體系結(jié)構(gòu)。
　　
　　3　AI的知識(shí)體系
　　
　　從思維觀點(diǎn)看，AI不僅僅限于邏輯思維，同時(shí)需要形象思維和靈感思維。數(shù)學(xué)是基礎(chǔ)科學(xué)，也進(jìn)入語言和思維領(lǐng)域，在邏輯、模糊數(shù)學(xué)等范圍發(fā)揮作用。
　　AI是一個(gè)龐大的家族，包括眾多的基礎(chǔ)理論、重要的成果及算法、學(xué)科分支和應(yīng)用領(lǐng)域等。如果將AI家族作為一棵樹來描述，智能機(jī)器應(yīng)作為樹的最終節(jié)點(diǎn)。將AI劃分為問題求解、知識(shí)與推理、學(xué)習(xí)與發(fā)現(xiàn)、感知與理解、系統(tǒng)與建造等五個(gè)知識(shí)單元。表2總結(jié)了AI家族的知識(shí)體系及其相關(guān)的學(xué)科、理論基礎(chǔ)、代表性成果及方法。
　　
　　3，1問題求解
　　1957年，Newell和Simon通過心理學(xué)實(shí)驗(yàn)，發(fā)現(xiàn)人在問題求解時(shí)思維過程的一般規(guī)律大致可分為三個(gè)階段：①先思考出大致的解題計(jì)劃：②根據(jù)記憶中的公理、定理和推理規(guī)則組織解題過程：③進(jìn)行方法和目的分析，不斷修正解題計(jì)劃。
　　搜索是問題求解的核心技術(shù)，符號(hào)智能進(jìn)行圖搜索，計(jì)算智能進(jìn)行智能優(yōu)化搜索。
　　
　　3，2知識(shí)和推理
　　知識(shí)就是力量，知識(shí)是智能基礎(chǔ)和來源。推理是人腦的基本功能，知識(shí)與推理是AI的重要內(nèi)容，在表1中對(duì)這部分內(nèi)容進(jìn)行了詳細(xì)描述。知識(shí)表示模型有謂詞邏輯、產(chǎn)生式表示、語義網(wǎng)絡(luò)、框架等方法。推理方法有自動(dòng)推理和不確定推理等。
　　AI的研究對(duì)象，大多具有不確定性。不確定性是針對(duì)系統(tǒng)或問題含有的不確定結(jié)構(gòu)、參數(shù)等信息，如天氣預(yù)報(bào)下雨概率45.6％，此預(yù)報(bào)屬結(jié)論的不確定性。
　　
　　3，3學(xué)習(xí)與發(fā)現(xiàn)
　　機(jī)器學(xué)習(xí)是指機(jī)器對(duì)自身行為的修正或性能的改善，使計(jì)算機(jī)具有學(xué)習(xí)能力，自動(dòng)獲取新的事實(shí)及新的推理算法。機(jī)器學(xué)習(xí)的研究重點(diǎn)是學(xué)習(xí)過程的認(rèn)知模型、機(jī)器學(xué)習(xí)的計(jì)算理論、新的學(xué)習(xí)算法、綜合多種學(xué)習(xí)方法的機(jī)器學(xué)習(xí)系統(tǒng)等。主要有符號(hào)學(xué)習(xí)、連接學(xué)習(xí)和統(tǒng)計(jì)學(xué)習(xí)等。
　　機(jī)器發(fā)現(xiàn)客觀規(guī)律的過程稱為知識(shí)發(fā)現(xiàn)，主要從大規(guī)模數(shù)據(jù)集或數(shù)據(jù)庫發(fā)現(xiàn)知識(shí)或模式。知識(shí)發(fā)現(xiàn)方法有統(tǒng)計(jì)方法、粗集和模糊集、機(jī)器學(xué)習(xí)、智能計(jì)算等方法。知識(shí)發(fā)現(xiàn)的任務(wù)分為數(shù)據(jù)總結(jié)、概念描述、分類、聚類及相關(guān)性分析等。
　　機(jī)器學(xué)習(xí)的研究成果主要是機(jī)器的直接學(xué)習(xí)，類似人類通過閱讀、講課等間接繼承性學(xué)習(xí)涉及很少。在智能硬件方面卻舉步維艱，要實(shí)現(xiàn)人工智能的最終目標(biāo)，作為載體的智能計(jì)算機(jī)系統(tǒng)必須由質(zhì)的飛躍。人工智能的研究仍然是機(jī)遇與挑戰(zhàn)并存。
　　
　　3，4感知與理解
　　機(jī)器感知涉及圖像、聲音、文字等信息的識(shí)別問題。
　　模式識(shí)別的主要目標(biāo)是用計(jì)算機(jī)模擬人的識(shí)別能力，運(yùn)用知識(shí)表達(dá)和推理方法，主要從圖形、圖像和語音抽取出模式，表征或刻畫被識(shí)別對(duì)象類屬特有的信息模型。模式識(shí)別前，先提取樣例模式，通過模式辨識(shí)或機(jī)器學(xué)習(xí)識(shí)別出分類知識(shí)，并對(duì)新的待識(shí)別模式進(jìn)行類比判決。
　　目前有基于模式、基于判別函數(shù)、基于統(tǒng)計(jì)決策、神經(jīng)網(wǎng)絡(luò)、自適應(yīng)等模式識(shí)別方法。
　　理解包括自然語言、圖形和圖像的理解，是智能系統(tǒng)進(jìn)行交流的關(guān)鍵。
　　自然語言理解需要大量知識(shí)表示方法和推理技術(shù)，在機(jī)器翻譯和語音理解程序方面取得了長足進(jìn)步。
　　機(jī)器視覺在圖像處理基礎(chǔ)上，需要模式識(shí)別、機(jī)器學(xué)習(xí)理解視覺對(duì)象。由低層視覺提取對(duì)象特征，通過機(jī)器學(xué)習(xí)理解視覺對(duì)象。
　　
　　3，5系統(tǒng)與建造
　　自從1965年第一個(gè)專家系統(tǒng)DENDRAL問世后，出現(xiàn)了各種實(shí)用的系統(tǒng)。專家系統(tǒng)的發(fā)展依托大量知識(shí)表示技術(shù)和推理技術(shù)，是最先發(fā)展的智能系統(tǒng)。
　　Agent系統(tǒng)是典型的分布式智能系統(tǒng)，由多個(gè)智能個(gè)體協(xié)作或競(jìng)爭(zhēng)體現(xiàn)智能，是比群智能高級(jí)的社會(huì)智能。Agent系統(tǒng)采用了知識(shí)表示、推理、機(jī)器學(xué)習(xí)、模式識(shí)別等領(lǐng)域知識(shí)。
　　智能機(jī)器人是一個(gè)具有感知機(jī)能、運(yùn)動(dòng)機(jī)能、思維機(jī)能、通信機(jī)能的Agent系統(tǒng)，需要Agent理論和多Agent協(xié)同系統(tǒng)的技術(shù)支持。機(jī)器人是人工智能標(biāo)志性研究成果，是一個(gè)實(shí)用的Agent系統(tǒng)。是人工智能多個(gè)基礎(chǔ)應(yīng)用的綜合，同時(shí)依據(jù)了融合了多種基礎(chǔ)理論。
　　
　　4　結(jié)論
　　
　　人工智能源于數(shù)理邏輯，20世紀(jì)30年代開始用于描述智能行為。并在計(jì)算機(jī)上實(shí)現(xiàn)了邏輯演繹系統(tǒng)。正是這些符號(hào)主義者，首先采用“人工智能”這個(gè)術(shù)語，后來又發(fā)展了啟發(fā)式算法一專家系統(tǒng)一知識(shí)工程理論與技術(shù)。專家系統(tǒng)的成功開發(fā)與應(yīng)用，為人工智能走向工程應(yīng)用和實(shí)現(xiàn)理論聯(lián)系實(shí)際奠定了基礎(chǔ)。在AI其它學(xué)派出現(xiàn)之后，符號(hào)主義仍然是主流派。
　　國家對(duì)AI的目前主要研究方向的規(guī)劃為：視聽覺信息處理的基礎(chǔ)理論研究：在視聽覺信息協(xié)同計(jì)算、自然語言(漢語)理解以及與視聽覺認(rèn)知相關(guān)的腦一機(jī)接口等關(guān)鍵技術(shù)方面取得突破。從人類視聽覺認(rèn)知機(jī)理出發(fā)，研究并構(gòu)建新的計(jì)算模型與計(jì)算方法，克服圖像、語音和文本信息處理所面臨的瓶頸困難。
　　人工智能研究人員經(jīng)過多年的辛勤工作，在專家系統(tǒng)、計(jì)算機(jī)視覺和機(jī)器人、自然語言理解和機(jī)器翻譯領(lǐng)域取得了可觀的研究和應(yīng)用前景。出現(xiàn)了具有視覺、聽覺和觸覺等感知功能并能進(jìn)行聯(lián)想、歸納、推理和人機(jī)對(duì)話的各類機(jī)器人，并向?qū)嵱没~進(jìn)。復(fù)雜的智能機(jī)器人系統(tǒng)仍然是人工智能的主要研究目標(biāo)，需要新技術(shù)、新思想的支