人工智能概述

董惠雯　張戈項　緒鵬

摘要：人工智能起源以來，經過科學工作者們的大量研究與實踐，向著體系化、理論化方向發展。專家系統、模式識別與機器翻譯被廣泛的應用到人們的工作、生活中來。在人們對它寄予厚望的贊譽聲中也不乏深刻的質疑，在探索之路上科學工作者們經歷著什么樣的困難，人工智能的未來將會怎樣。

關鍵詞：人工智能；起源；專家系統；困境

一、人工智能的起源

人工智能是一門起步晚卻發展快速的科學。20世紀以來科學工作者們不斷尋求著賦予機器人類智慧的方法。30年代末到50年代初的人工智能領域已經出現一些電纜控制的機器人，可以行走并能說出簡單的詞組。與此同時，科學界已經提出描述電子信息的二進制信號，A.M.Turing證明了任何形式的計算都可以用數字方式傳遞，這兩大突破再一次提供了創造智能機器的可行性。1955年Newell和Simon的Logic Theorist證明了《數學原理》中前52個定理中的38個。Simon斷言他們已經解決了物質構成的系統如何獲得心靈性質的問題（這種論斷在后來的哲學領域被稱為“強人工智能”），認為機器具有像人一樣邏輯思維的能力。1956年Samuel研制的一款具有學習能力的跳棋程序，它已經實現通過學習棋譜、與對手博弈等方式進行自主學習。

1956年，“人工智能”（AI）由美國的JohnMcCarthy提出，經過早期的探索階段，人工智能向著更加體系化的方向發展，至此成為一門獨立的學科。

二、人工智能的應用

人工智能作為一門前沿科技備受矚目，國內外對于人工智能相關領域的研究方興未艾。下面就對人工智能的幾個應用領域進行簡要介紹。

專家系統是人工智能的領域中最實用、發展最快、研究成果最為豐碩的一個應用。Feigenbaum 1982年給出的定義為：“專家系統是一種智能的計算機程序，這種程序使用知識與推理過程，求解那些需要杰出人物的專門知識才能解決的高難度問題?！币粋€完整的專家系統主要知識庫、推理機、解釋器及知識獲取部分組成。知識獲取部分存儲著問題的相關數據及其中間結論，解釋器提供結論必要的解釋。解答專業問題用到的知識就存儲在知識庫中，這部分知識可以是專業領域中的權威數據、專家學者提供的經驗與結論，或者是自身學習到的新知識，這些知識以“條件”+“結論”模式存在，當發現用戶咨詢的問題滿足相關知識的前提條件，專家系統就能產生相應的結論，給出專業的解答。推理機提供演繹推理、非單調推理和定性推理等，其中演繹推理更接近我們的左腦思維，但機器不能依靠完全模擬人腦來處理所有問題，所以單一的推理方式是遠遠不夠的。專家系統的特殊之處就在于它既不是單純的羅輯思維也不是繁瑣的程序代碼，而是建立在知識與經驗之上的思維方式，它能夠更加快速的作出判斷，并且理論上完善的系統設計可以避免人類思維所存在的紕漏。如今，專家系統被廣泛應用于醫學診斷、地質勘探、工程設計等方面，但目前的專家系統與真正的人類專家還有一定的差距，應急問題的處理還遠不及人類水平，但是我們相信隨著科學技術的精進這些問題也將在不久的將來得到完美的解決。

此外，模式識別與機器翻譯也是人工智能的重大應用，有望代替人類去完成枯燥、重復的信息處理工作。模式識別就是用智能機器對模式進行區分與界定，實現對復雜的信息進行處理（圖像、聲音、物體等等統稱為“模式”）。以圖像信息為例，機器把獲取的圖像特征轉化為機器代碼存儲起來，并與計算機中的特征樣板相匹配得出機器識別的結論。門禁系統、指紋識別系統及無人駕駛系統等都是模式識別的實際應用。機器翻譯可以用機器實現自然語言間的轉化，目前為止還沒有出現一個高精準的翻譯系統，但作為翻譯工作的一種輔助工具節省了大量的時間與精力，在國際化的時代大背景下得到了廣泛的應用。

人工智能在各類計算機游戲中的作用也越來越重要，讓游戲中的“非玩家控制角色”具有人類一樣的思維判斷能力可以大大提高游戲可玩性。有限狀態機（FSM）、加入了隨機性的模糊狀態機（FuSM）、可以賦予地形特殊性的智能地形（Smart Terrain）等都是游戲AI設計中的內容。此外，還有電子設備中的芯片、智能處理系統等等都是人工智能技術的領域。

三、人工智能的困境與發展

伴隨人工智能的探索研究者們面臨的問題也越來越多，似乎人工智能時代遠沒有到來，那么要實現人工智能，創造出真正接近人類智慧的機器又面臨著哪些問題呢。

一是人工神經網絡的困境。人腦的計算是建立在大規模并行計算之上的，并具有強大的容錯與聯想機制，大腦還具有緩慢的生長過程，在成長中形成自己的認知以及獨特的個性，而機器遵循嚴格的數學算法、它的神經元類型單一、僅支持點對點的方式運送信息，這些都不同與人類復雜的神經網絡。目前的人工神經網絡的研究往往是忽略了神經末梢細胞的感知而進行的，這也就造成了整體情感的缺失，這依舊是機器的思維而不是接近人類的強人工智能。以機器代替肉體成為產生意識的物質基礎，這個理論看似是行得通，但又未嘗不是困難重重。

再者，機器需要儲備大量的知識，人類自誕生以來經過不斷地探索積累了不計其數的知識財富，這對機器來說無疑是一個十分龐大的信息量，機器知識的來源依賴于有一定規則的數學表達式，這些數學表達式大部分都是面向問題，都一在定程度上存在著領域的限制，即相同的方法跨越學科領域對機器來說就是完全不同的兩件事情，而人類知識在本質上沒有領域限制。因此，一味追求大量信息的錄入是無意義的，一種更智能、更通用的知識系統還有待開發。

實現人工智能存在的問題還遠遠不止這些。一方面，現在智能的應用偏重于移動終端而不是人形機器，機器人技術進展緩慢。對此，部分研究者提出利用日漸成熟的3D打印技術，3D打印技術已經能夠利用更加復雜的材料打印更加精密的設備，目前該項技術仍處在試驗階段，但若能夠以此制作出更為精妙的機器人部件，無疑將帶來智能機器人領域的又一次技術革新。另一方面，搜索引擎在這個大數據時代得到了長足發展，并承載著信息的智慧，人工智能有望利用其背后不可計數的信息資源實現真正的智能，信息形式的多樣化伴隨信息的累積會不會帶來智能的產生，人工智能能不能就此實現如同人類的思維方式，信息是否可以形成情感，種種一切猜想都在等待技術發展來印證，人工智能的發展之路才剛剛開啟。

參考文獻：

[1]是兆雄.人工智能：歷史、現狀及展望[J]. 自然雜志，1987，10（4）.

[2]邢會民.專家系統原型概述[N]. 西南民族大學學報 ， 2004，30（4）.

[3]伊紅風，戴汝為.論思維及模擬智能 [J].計算機研究與發展 ，1990 ，27（4）.

作者簡介：董惠雯（1994——），女，山東淄博人，學生，山東科技大學電氣信息系信息管理與信息系統專業。