董惠雯　張戈項　緒鵬

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

關(guān)鍵詞：人工智能；起源；專家系統(tǒng)；困境

一、人工智能的起源

人工智能是一門起步晚卻發(fā)展快速的科學(xué)。20世紀(jì)以來科學(xué)工作者們不斷尋求著賦予機(jī)器人類智慧的方法。30年代末到50年代初的人工智能領(lǐng)域已經(jīng)出現(xiàn)一些電纜控制的機(jī)器人，可以行走并能說出簡單的詞組。與此同時，科學(xué)界已經(jīng)提出描述電子信息的二進(jìn)制信號，A.M.Turing證明了任何形式的計算都可以用數(shù)字方式傳遞，這兩大突破再一次提供了創(chuàng)造智能機(jī)器的可行性。1955年Newell和Simon的Logic Theorist證明了《數(shù)學(xué)原理》中前52個定理中的38個。Simon斷言他們已經(jīng)解決了物質(zhì)構(gòu)成的系統(tǒng)如何獲得心靈性質(zhì)的問題（這種論斷在后來的哲學(xué)領(lǐng)域被稱為“強(qiáng)人工智能”），認(rèn)為機(jī)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(xué)習(xí)能力的跳棋程序，它已經(jīng)實現(xiàn)通過學(xué)習(xí)棋譜、與對手博弈等方式進(jìn)行自主學(xué)習(xí)。

1956年，“人工智能”（AI）由美國的JohnMcCarthy提出，經(jīng)過早期的探索階段，人工智能向著更加體系化的方向發(fā)展，至此成為一門獨(dú)立的學(xué)科。

二、人工智能的應(yīng)用

人工智能作為一門前沿科技備受矚目，國內(nèi)外對于人工智能相關(guān)領(lǐng)域的研究方興未艾。下面就對人工智能的幾個應(yīng)用領(lǐng)域進(jìn)行簡要介紹。

專家系統(tǒng)是人工智能的領(lǐng)域中最實用、發(fā)展最快、研究成果最為豐碩的一個應(yīng)用。Feigenbaum 1982年給出的定義為：“專家系統(tǒng)是一種智能的計算機(jī)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(tǒng)主要知識庫、推理機(jī)、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(guān)數(shù)據(jù)及其中間結(jié)論，解釋器提供結(jié)論必要的解釋。解答專業(yè)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(yè)領(lǐng)域中的權(quán)威數(shù)據(jù)、專家學(xué)者提供的經(jīng)驗與結(jié)論，或者是自身學(xué)習(xí)到的新知識，這些知識以“條件”+“結(jié)論”模式存在，當(dāng)發(fā)現(xiàn)用戶咨詢的問題滿足相關(guān)知識的前提條件，專家系統(tǒng)就能產(chǎn)生相應(yīng)的結(jié)論，給出專業(yè)的解答。推理機(jī)提供演繹推理、非單調(diào)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(jī)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(yuǎn)遠(yuǎn)不夠的。專家系統(tǒng)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(jīng)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(tǒng)設(shè)計可以避免人類思維所存在的紕漏。如今，專家系統(tǒng)被廣泛應(yīng)用于醫(yī)學(xué)診斷、地質(zhì)勘探、工程設(shè)計等方面，但目前的專家系統(tǒng)與真正的人類專家還有一定的差距，應(yīng)急問題的處理還遠(yuǎn)不及人類水平，但是我們相信隨著科學(xué)技術(shù)的精進(jìn)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(jī)器翻譯也是人工智能的重大應(yīng)用，有望代替人類去完成枯燥、重復(fù)的信息處理工作。模式識別就是用智能機(jī)器對模式進(jìn)行區(qū)分與界定，實現(xiàn)對復(fù)雜的信息進(jìn)行處理（圖像、聲音、物體等等統(tǒng)稱為“模式”）。以圖像信息為例，機(jī)器把獲取的圖像特征轉(zhuǎn)化為機(jī)器代碼存儲起來，并與計算機(jī)中的特征樣板相匹配得出機(jī)器識別的結(jié)論。門禁系統(tǒng)、指紋識別系統(tǒng)及無人駕駛系統(tǒng)等都是模式識別的實際應(yīng)用。機(jī)器翻譯可以用機(jī)器實現(xiàn)自然語言間的轉(zhuǎn)化，目前為止還沒有出現(xiàn)一個高精準(zhǔn)的翻譯系統(tǒng)，但作為翻譯工作的一種輔助工具節(jié)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(yīng)用。

人工智能在各類計算機(jī)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(tài)機(jī)（FSM）、加入了隨機(jī)性的模糊狀態(tài)機(jī)（FuSM）、可以賦予地形特殊性的智能地形（Smart Terrain）等都是游戲AI設(shè)計中的內(nèi)容。此外，還有電子設(shè)備中的芯片、智能處理系統(tǒng)等等都是人工智能技術(shù)的領(lǐng)域。

三、人工智能的困境與發(fā)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(yuǎn)沒有到來，那么要實現(xiàn)人工智能，創(chuàng)造出真正接近人類智慧的機(jī)器又面臨著哪些問題呢。

一是人工神經(jīng)網(wǎng)絡(luò)的困境。人腦的計算是建立在大規(guī)模并行計算之上的，并具有強(qiáng)大的容錯與聯(lián)想機(jī)制，大腦還具有緩慢的生長過程，在成長中形成自己的認(rèn)知以及獨(dú)特的個性，而機(jī)器遵循嚴(yán)格的數(shù)學(xué)算法、它的神經(jīng)元類型單一、僅支持點(diǎn)對點(diǎn)的方式運(yùn)送信息，這些都不同與人類復(fù)雜的神經(jīng)網(wǎng)絡(luò)。目前的人工神經(jīng)網(wǎng)絡(luò)的研究往往是忽略了神經(jīng)末梢細(xì)胞的感知而進(jìn)行的，這也就造成了整體情感的缺失，這依舊是機(jī)器的思維而不是接近人類的強(qiáng)人工智能。以機(jī)器代替肉體成為產(chǎn)生意識的物質(zhì)基礎(chǔ)，這個理論看似是行得通，但又未嘗不是困難重重。

再者，機(jī)器需要儲備大量的知識，人類自誕生以來經(jīng)過不斷地探索積累了不計其數(shù)的知識財富，這對機(jī)器來說無疑是一個十分龐大的信息量，機(jī)器知識的來源依賴于有一定規(guī)則的數(shù)學(xué)表達(dá)式，這些數(shù)學(xué)表達(dá)式大部分都是面向問題，都一在定程度上存在著領(lǐng)域的限制，即相同的方法跨越學(xué)科領(lǐng)域?qū)C(jī)器來說就是完全不同的兩件事情，而人類知識在本質(zhì)上沒有領(lǐng)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(tǒng)還有待開發(fā)。

實現(xiàn)人工智能存在的問題還遠(yuǎn)遠(yuǎn)不止這些。一方面，現(xiàn)在智能的應(yīng)用偏重于移動終端而不是人形機(jī)器，機(jī)器人技術(shù)進(jìn)展緩慢。對此，部分研究者提出利用日漸成熟的3D打印技術(shù)，3D打印技術(shù)已經(jīng)能夠利用更加復(fù)雜的材料打印更加精密的設(shè)備，目前該項技術(shù)仍處在試驗階段，但若能夠以此制作出更為精妙的機(jī)器人部件，無疑將帶來智能機(jī)器人領(lǐng)域的又一次技術(shù)革新。另一方面，搜索引擎在這個大數(shù)據(jù)時代得到了長足發(fā)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(shù)的信息資源實現(xiàn)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(chǎn)生，人工智能能不能就此實現(xiàn)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(shù)發(fā)展來印證，人工智能的發(fā)展之路才剛剛開啟。

參考文獻(xiàn)：

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

[2]邢會民.專家系統(tǒng)原型概述[N]. 西南民族大學(xué)學(xué)報 ， 2004，30（4）.

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

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