何江源
(濟(jì)寧市第一中學(xué),濟(jì)寧 272000)
人工智能是計(jì)算機(jī)科學(xué)的一門子學(xué)科,它是研究、模擬人大腦功能的一門新的技術(shù)科學(xué),包含有一系列的算法,例如:機(jī)器學(xué)習(xí)、遺傳算法、蟻群算法等等。人工智能顧名思義它可以理解為“人創(chuàng)造的智能”?!叭藙?chuàng)造”,這個(gè)詞語理解起來較容易,也沒有很多的異議。關(guān)于什么是“智能”,就會有很多。人每天能夠接觸到的是自身所具有的智能,這也是最容易獲得最容易驗(yàn)證的智能。同時(shí)研究人類自身的智能也是最容易獲得結(jié)論的方法。但是由于我們的技術(shù)有限,對構(gòu)成人的智能的組成的了解也很有限,所以就很難做到“人創(chuàng)造”制造的“智能”了。也正是由于這種便利性,人工智能總是對人的自己的智慧展開探究。而其它的一些生物智能則被認(rèn)為是人工智能的輔助探索領(lǐng)域。
人工智能是自動(dòng)化學(xué)科的一個(gè)分支,在計(jì)算機(jī)領(lǐng)域內(nèi),受到了更多的關(guān)注,并應(yīng)用于機(jī)器人、經(jīng)濟(jì)政治決策、控制系統(tǒng)、仿真系統(tǒng)中。從20世紀(jì)中期以來,逐漸受到研究人員的重視,不僅成為了當(dāng)時(shí)三大尖端技術(shù)中的一種(空間技術(shù)、能源技術(shù)、人工智能),而且也被選為了21世紀(jì)以來的三大改變世界的技術(shù)(基因工程、納米科學(xué)、人工智能)。在研究人員的不懈努力下,人工智能技術(shù)得到了飛快的發(fā)展,并且廣泛應(yīng)用于各個(gè)領(lǐng)域,成為了一個(gè)獨(dú)立的研究學(xué)科,自成系統(tǒng)。
人工智能是研究怎樣讓軟件能夠像人一樣去思考或者去對某些事情做出相應(yīng)有智慧的反應(yīng),這些有智慧的行為包括學(xué)習(xí)能力、推理能力、規(guī)劃能力、選擇能力等。人工智能這個(gè)技術(shù)的探究包括讓計(jì)算機(jī)智能化的原理、制造模擬人大腦的軟硬件。人工智能包括很多領(lǐng)域的技術(shù)和知識,其中包括程序設(shè)計(jì)、算法總結(jié)、心理學(xué)和語言學(xué)等學(xué)科??梢哉f人工智能這一技術(shù)基本上覆蓋了自然科學(xué)和社會科學(xué)的全部學(xué)科,它是人類科學(xué)思維的實(shí)踐,是思維科學(xué)的技術(shù)應(yīng)用。從思維觀點(diǎn)看,人工智能不局限于邏輯方面的思考,還需要形象塑造、靈感思維等多方面的思考,才能使人工智能得到迅速的發(fā)展。在眾多基礎(chǔ)學(xué)科中,數(shù)學(xué)是多種學(xué)科的基礎(chǔ)知識,同樣人工智能算法也都基于數(shù)學(xué)知識,數(shù)學(xué)知識不僅在邏輯處理、模糊控制等范圍發(fā)揮作用,數(shù)學(xué)進(jìn)入人工智能學(xué)科,也將促使人工智能飛快的發(fā)展。
1.2.1 人工智能之父
我們耳熟能詳?shù)囊粋€(gè)獎(jiǎng)項(xiàng)叫“圖靈獎(jiǎng)”,這個(gè)獎(jiǎng)項(xiàng)關(guān)系著一位偉大的人那就是“人工智能之父”-艾倫·圖靈。讓人感到遺憾的是,42歲艾倫·圖靈就英年早逝,無法看到人工智能的誕生。他是計(jì)算機(jī)邏輯的創(chuàng)始者和奠基者,許多人工智能的重要方法也是由他提出的。他的主要貢獻(xiàn)是提出了圖靈機(jī)的概念,這一概念的提出為他在后來提出“圖靈測試”奠定了基礎(chǔ)。如果一個(gè)軟件或者一個(gè)應(yīng)用能夠通過“圖靈測試”,那么就可以說它是一個(gè)真正擁有了人工智能的應(yīng)用,他的智力水平已經(jīng)接近正常人類。正因?yàn)檫@一測試的出現(xiàn),給智能計(jì)算領(lǐng)域畫上了濃墨重彩的一筆,所以為了紀(jì)念艾倫·圖靈對智能科學(xué)發(fā)展的巨大貢獻(xiàn),1966年,美國的計(jì)算機(jī)協(xié)會設(shè)置了圖靈獎(jiǎng)。該獎(jiǎng)項(xiàng)每年用于嘉獎(jiǎng)在計(jì)算機(jī)領(lǐng)域中有突出貢獻(xiàn)的人。圖靈獎(jiǎng)被喻為“計(jì)算機(jī)界的諾貝爾獎(jiǎng)”,這是歷史對這位科學(xué)巨匠的最高贊譽(yù)。
1.2.2 人工智能的飛速發(fā)展
1959年第一代機(jī)器人誕生,1968年第一代有感覺的機(jī)器人成功研制,2002年家用機(jī)器人誕生,2014年機(jī)器人首次通過圖靈測試,預(yù)示著人工智能進(jìn)入全新時(shí)代。人工智能的萌芽時(shí)期,人工智能的研究方向主要是模擬大腦的結(jié)構(gòu)。經(jīng)過了一段時(shí)間的發(fā)展和積累,科研人員發(fā)現(xiàn)模擬大腦的結(jié)構(gòu)太過復(fù)雜,將努力的方向改為模擬大腦的功能,事實(shí)證明,這是一條正確的道路。從此,人工智能得到了較快發(fā)展。后來,科研人員又從自然界中得到啟示,開發(fā)出了諸如蟻群算法、遺傳算法、決策算法等一系列人工智能中的基礎(chǔ)算法。
人工智能作為前沿尖端技術(shù),它能夠幫助人類完成很多工作,并且在計(jì)算或分類方面比人類更勝一籌,這也就使得它在生活中將會帶給人類無限的便利性。同時(shí),在科研領(lǐng)域,人工智能在向著更便捷,更高效的領(lǐng)域發(fā)展?,F(xiàn)階段的人工智能只是停留在局部的應(yīng)用中,無法大范圍的使用,因?yàn)槠渲械牟淮_定性會產(chǎn)生無法預(yù)估的影響,但是隨著技術(shù)的發(fā)展,未來人工智能一定會出現(xiàn)在我們生活的方方面面
2.1.1 遺傳算法簡析
遺傳算法(Genetic Algorithm)是一種學(xué)習(xí)了自然法則優(yōu)勝劣汰,適者生存以及遺傳定律的優(yōu)化算法。在1975年,遺傳算法首先是由美國的J.Holland教提出,其主要特點(diǎn)是直接對數(shù)據(jù)進(jìn)行操作,不涉及一些復(fù)雜的數(shù)學(xué)操作;能夠以較高的效率搜索到全局最優(yōu)解。遺傳算法的優(yōu)勢,已經(jīng)被人們廣泛的發(fā)展到各個(gè)研究領(lǐng)域,比如大規(guī)模優(yōu)化、多目標(biāo)優(yōu)化、控制和生物等領(lǐng)域。它是智能算法中的基石。
2.1.2 遺傳算法簡介
遺傳算法是模擬自然中優(yōu)勝劣汰、適者生存這一規(guī)律而產(chǎn)生的求取最優(yōu)解的算法。這一算法從某一初始種群開始,將限制最優(yōu)解的因素變?yōu)榱宋覀兓蛏厦娴娜旧w,每個(gè)染色體帶有相應(yīng)的約束特征值,其內(nèi)部表現(xiàn)是基因的排列組合,它決定了個(gè)體的外部特征,如黑頭發(fā)的特征是由染色體上的等位基因所決定,等位基因控制著發(fā)色。在初代種群出現(xiàn)之后,按照達(dá)爾文的進(jìn)化理論,那些不適合的個(gè)體將會被淘汰,逐漸演變出適應(yīng)性更好的種群。在每一代,選擇符合要求的個(gè)體作為父本,并模仿自然基因的交叉、變異,產(chǎn)生出新的解。然后通過適應(yīng)度函數(shù)來選擇更加適應(yīng)環(huán)境的種群,最終末代種群中的最優(yōu)個(gè)體經(jīng)過我們的解碼操作后,可以作為問題近似最優(yōu)解。
但是,自然有自己的淘汰法則,人類并沒有這一法則,所以人類為了尋找最優(yōu)解,提出了適應(yīng)度函數(shù)這個(gè)概念,方法是:模擬大自然中的優(yōu)勝劣汰法則,將解集通過交叉變異得到新的解集,將符合條件的保留下來,不符合的淘汰,以尋找最優(yōu)解。若精確度達(dá)不到要求,重復(fù)以上的操作。
2.1.3 遺傳算法特點(diǎn)
遺傳算法作為進(jìn)化算法的一種,具有全局性好的特點(diǎn),同時(shí)計(jì)算方法比較簡單,但是因?yàn)橛?jì)算方法的簡單使得迭代的次數(shù)比較多,收斂性也不是非常好。但是算法具有自組織、自適應(yīng)和自學(xué)習(xí)性。遺傳算法利用進(jìn)化過程獲得的信息來計(jì)算適應(yīng)度時(shí),適應(yīng)度大的個(gè)體有概率活的更久,并獲得更適應(yīng)環(huán)境的基因組合。
2.2.1 蟻群算法簡介
蟻群系統(tǒng)(Ant System或Ant Colony System)是在90年代由意大利學(xué)者Dorigo、等人首先提出來的。他們研究螞蟻的生物習(xí)性中,發(fā)現(xiàn)了單個(gè)螞蟻的生活習(xí)性比較單一,但是在種群這個(gè)大的范圍下,螞蟻卻可以體現(xiàn)出自己的種群優(yōu)勢。例如當(dāng)蟻群在復(fù)雜環(huán)境中,去尋找到達(dá)食物的最近距離,就是通過種群中信息素的積累。螞蟻會在走過的路上留下信息素,當(dāng)一個(gè)螞蟻發(fā)現(xiàn)食物之后,會回到巢穴召集其他的螞蟻一起來搬運(yùn)食物,其他螞蟻在去食物源的路上會走不同的道路,他們有的近有的遠(yuǎn),假設(shè)螞蟻的行進(jìn)速度基本相同,那么距離近的道路上,在相同的時(shí)間內(nèi),螞蟻?zhàn)哌^的次數(shù)更多,所以信息素積累的數(shù)量很高,蟻群內(nèi)的螞蟻能夠感知信息素濃度的高低,它們會沿著“信息素”濃度較高路徑行走,而每只走過去的螞蟻又會留下信息素,促進(jìn)這條路上的信息素的積累,這就形成一種類似正反饋的機(jī)制,這樣經(jīng)過一段時(shí)間后,整個(gè)蟻群就會沿著最短路徑到達(dá)食物源了。
2.2.2 蟻群算法的優(yōu)劣
蟻群算法,作為群體優(yōu)化算法的一種,與其他優(yōu)化算法相比既有優(yōu)點(diǎn)也有不足。首先蟻群算法采用的是正反饋機(jī)制,正反饋會使系統(tǒng)的運(yùn)行速度不斷加快,所以能夠更快的獲得最優(yōu)解,在求解過程中,每個(gè)個(gè)體可以通過釋放信息素來改變周圍環(huán)境,同時(shí)也完成了個(gè)體間的通信,搜索過程采用分布式計(jì)算方式,多個(gè)個(gè)體同時(shí)進(jìn)行并行計(jì)算,大大提高了算法的計(jì)算能力和運(yùn)行效率。同時(shí),這種概率形的搜索方式使用了一種啟發(fā)式的算法,使得算法結(jié)果不易陷入局部最優(yōu)解的誤區(qū)。
本文從人工智能入手,詳細(xì)介紹了兩種常用的智能算法,縱觀這兩種算法,我們不難發(fā)現(xiàn),智能算法都是來源于我們身邊或者來源于大自然,這些是人工智能算法的本源。所以人工智能應(yīng)該源于生活但是高于生活,最終目的是服務(wù)人類使生活過的更美好,但是在服務(wù)的過程中要牢牢把握這個(gè)“度”,不能讓技術(shù)反過來干擾到我們的正常生活。