第一篇：人工智能迷途：計算機(jī)的高技能等于高智能嗎？解讀

人工智能迷途：計算機(jī)的高技能等于高智能嗎？

來源：搜狐

人工智能(Artificial Intelligence，簡稱AI)開始于一個很簡單的想法。當(dāng)計算機(jī)被發(fā)明之后，不少人很快認(rèn)識到它的能力遠(yuǎn)不限于數(shù)值計算，而是可以通過對信息編碼和對指令編程完成很多其它以往只有人腦才能完成的任務(wù)。這自然就導(dǎo)出了是否人腦的功能都能在計算機(jī)中實(shí)現(xiàn)的問題。這類研究開始有不同的名稱，最后“人工智能”這個詞被大多數(shù)人接受了，盡管對其解釋始終沒有統(tǒng)一(見《當(dāng)你談?wù)撊斯ぶ悄軙r，到底在談?wù)撌裁?》)。

計算機(jī)科學(xué)之父圖靈（Alan Turing）

開始，AI研究者們以為可以在不遠(yuǎn)的將來實(shí)現(xiàn)他們的目標(biāo)。這個領(lǐng)域的先驅(qū)圖靈在1950年預(yù)言在五十年內(nèi)可以造出言語行為和人難以分辨的“思維機(jī)器”，而這個領(lǐng)域的奠基人明斯基和西蒙等人的估計甚至還要更樂觀些。在AI歷史上，曾經(jīng)有過一些雄心勃勃的研發(fā)項目，如紐厄爾和西蒙的“通用問題求解器”和日本政府牽頭的“第五代計算機(jī)系統(tǒng)”等，但都沒有達(dá)到預(yù)期目的。這些失敗讓AI的名譽(yù)受到巨大的負(fù)面影響，導(dǎo)致經(jīng)費(fèi)斷流、人員出走、崗位削減，史稱“AI之冬”。

人工智能“腦死亡”了?

痛定思痛，AI的大部分研究者覺得失敗的原因是前輩們太好高騖遠(yuǎn)了。用一本權(quán)威AI教科書[3]的說法，在八十年代末“人工智能接受了科學(xué)方法”，其特征是從熱衷于發(fā)明新理論轉(zhuǎn)向基于經(jīng)典理論，從期望發(fā)現(xiàn)一攬子解決方案轉(zhuǎn)向解決具體問題。這使得AI著力于一個一個地解決各種以往只有人能解決的實(shí)際問題，或一項一項地再現(xiàn)人的認(rèn)知功能。由于各種“專家系統(tǒng)”在很多領(lǐng)域達(dá)到甚至超過了人類的水平，AI終于擺脫了“現(xiàn)代煉金術(shù)”的惡名。廣為人知的例子包括戰(zhàn)勝了國際象棋世界冠軍的“深藍(lán)”系統(tǒng)和近年來風(fēng)頭正勁的“深度學(xué)習(xí)”技術(shù)在圖像、語音識別等領(lǐng)域的應(yīng)用等。

但這個從通用系統(tǒng)向?qū)Ｓ孟到y(tǒng)的轉(zhuǎn)向是有代價的。由于“只有人能解決的問題”在不同的時期有不同的內(nèi)容(如曾經(jīng)包括四則運(yùn)算、排序等)，以此定義“人工智能”實(shí)際上把它看成了計算機(jī)應(yīng)用的前沿。由于這個前沿在不斷擴(kuò)展，所面對的問題千差萬別，解法也因問題而異，所以不可能全被囊括于一個理論之中，因此也就說不清AI和普通計算機(jī)應(yīng)用到底有什么區(qū)別。甚至有人說“人工智能”專指那些尚未被計算機(jī)解決的問題，因為一旦一個問題被計算機(jī)解決了，它也就不再是“只有人能解決的問題”了。以這種標(biāo)準(zhǔn)來界定一個研究領(lǐng)域自然會造成大量的思想混亂。

即使我們完全不在乎“人工智能”到底是什么意思，只是以“能抓耗子”來定義“好貓”，這種“分而治之”的戰(zhàn)略仍有致命問題存在。人類的各種認(rèn)知功能顯然是有緊密的相互依存關(guān)系的，而人在各個領(lǐng)域的問題求解能力也不乏相通性和可轉(zhuǎn)移性。在目前AI各子領(lǐng)域中，都有不少核心問題是依賴于其它子領(lǐng)域的。以自然語言理解為例，有什么證據(jù)說明語言理解能力是和推理、學(xué)習(xí)、記憶、感知、規(guī)劃、決策等能力無關(guān)，而可以“就語言論語言”的?

對上面的詰問的常見答復(fù)是：智能之中的諸功能當(dāng)然是互相依賴的，但由于它們太復(fù)雜，只能一個一個研究，將來再把它們集成一個完整的智能系統(tǒng)?；蛘哒f當(dāng)具體問題解決多了，普適的辦法也可能就找到了。

這種戰(zhàn)略在很多領(lǐng)域的確是恰當(dāng)?shù)模贏I研究中似乎并非如此。解決具體問題的最有效手段常常是通過深入分析該問題的特點(diǎn)得到的，因此未必能推廣到其它問題。比如說“深藍(lán)”的技術(shù)對計算機(jī)下圍棋就不適用。類似地，當(dāng)某種認(rèn)知功能被孤立定義成一個計算過程時，其結(jié)果和該功能在人腦中的“原生態(tài)”常常已經(jīng)是大不相同了。大略翻翻一本AI教科書(如 [3])就不難發(fā)現(xiàn)大量針對各種問題的解決方案。把它們都編成程序裝到同一個計算機(jī)系統(tǒng)里并不難，難的是讓它們協(xié)調(diào)工作。由于這些方案是基于不同的理論和預(yù)設(shè)的，它們完全沒有協(xié)作的基礎(chǔ)。這就解釋了為什么整合各種AI功能的呼吁(如[1])收效甚微。

更重要的一點(diǎn)是，即使是這些打上“智能”標(biāo)簽的技術(shù)仍常常讓我們覺得缺了些重要的東西。的確，它們在很多方面比人更強(qiáng)，因為它們速度更快、容量更大、功能更穩(wěn)定，但是這本來就是計算機(jī)的長項，而它們?nèi)匀蝗狈m應(yīng)性、靈活性、創(chuàng)造性等直觀上和智能密切相關(guān)的特征。即使是最新的機(jī)器學(xué)習(xí)算法也仍然受制于其中種種對應(yīng)用領(lǐng)域的預(yù)設(shè)，因而和人的學(xué)習(xí)能力的普遍性不可同日而語。

明斯基曾在一次采訪中對AI主流轉(zhuǎn)向?qū)Ｓ孟到y(tǒng)大表不滿，斥之為“AI已經(jīng)腦死亡了”。

通用人工智能的崛起

其實(shí)就像歷史上類似情形中那樣，總還是有些不改初衷的研究者，盡管他們只能在學(xué)術(shù)界的邊緣沉默堅持。在2001年，他們中的一些人為了改變這種狀況，開始把他們的研究成果編成一本書。最早草擬的書名是《Real AI》(真正的人工智能)，在2003年全書完稿時定為《Artificial General Intelligence》(通用人工智能，簡稱AGI)。這本書在出版過程中又經(jīng)歷了些周折，故2007年才得以面世[2]。在此期間，在2006年于華盛頓特區(qū)召開了為期兩天，大約50人參與的AGI研討會([4]就是這次會議文集的引言)。在這些準(zhǔn)備活動的基礎(chǔ)上，AGI年會(http://agi-conf.org/)從2008年開始舉辦，而AGI學(xué)報(http://004km.cn/view/j/jagi)也在2009年創(chuàng)刊了。時至今日，AGI的概念已經(jīng)廣為流傳，盡管人們對其有各種各樣的理解和反應(yīng)。

一個常常被當(dāng)作AGI同義詞的概念是“強(qiáng)人工智能”(Strong AI)。直觀來說這是可以理解的，因為AGI的野心顯然比目前的AI要強(qiáng)很多。但是按照這個詞的發(fā)明人哲學(xué)家塞爾的說法，即使一個計算機(jī)系統(tǒng)的外部表現(xiàn)完全像人，那也只是個“弱人工智能”，而“強(qiáng)人工智能”必須真正擁有自我意識。這樣一來一個AI系統(tǒng)是“強(qiáng)”還是“弱”就完全沒有外部標(biāo)準(zhǔn)了,這是很多AGI研究者所不同意的。

與此相反，AI和AGI的差別是有明確外部標(biāo)準(zhǔn)的。如果要用一句話來概括，可以說AGI是把“智能”看作一個問題，而目前主流AI是將其看作一組問題。從AGI的觀點(diǎn)看，“智能”當(dāng)然是個很復(fù)雜的問題，必須一步一步地解決，但這里的“一步”不是“下圍棋”、“識別照片中的事物”或“聽懂中國話”，而是要根據(jù)一個智能理論來劃分。這就像蓋一棟房子應(yīng)該從畫圖紙開始，然后據(jù)此一間間、一層層地建，而不是各人根據(jù)自己的想法分別去建客廳、書房、臥室、廚房、閣樓、衛(wèi)生間等等，最后再設(shè)法把它們拼在一起。這聽上去像常識，只是這樣工程周期顯然比只造一個房間會長很多，而且在全部完工之前不容易看出好壞。因此，在主流AI的工地上，絕大部分施工隊都在忙著造各種房間，而不愿花功夫去捉摸那些成敗難料的圖紙。

盡管有“建造多功能通用系統(tǒng)”這個共識，目前AGI領(lǐng)域內(nèi)對“智能到底是指什么”仍舊未達(dá)成一致意見，而在《當(dāng)你談?wù)撊斯ぶ悄軙r，到底在談?wù)撌裁?》中介紹的幾種觀點(diǎn)在目前AGI研究中均不同程度地有所體現(xiàn)。既然對“做什么”都有不同看法，對“怎么做”的答復(fù)就更是百家爭鳴了。盡管如此，已經(jīng)有若干AGI項目離開了紙上談兵的階段，開始有具體系統(tǒng)可以被檢驗了，雖然離完成都還有很遠(yuǎn)的距離。

高技能≠高智能

在AGI中的“G”(General)不意味著能解決一切問題，而是指在系統(tǒng)設(shè)計時不限定其應(yīng)用范圍?！巴ㄓ谩弊匀皇莻€程度問題，“通用”和“專用”也是相對而言的，但這個差別仍然是明顯存在的，比如“深藍(lán)”就完全不能算個通用系統(tǒng)。一個常見的誤解是把一個通用系統(tǒng)看作一批專用系統(tǒng)的組合。實(shí)際上它們是兩類非常不同的系統(tǒng)，不能相互替代。不僅AGI不能通過堆砌現(xiàn)有AI技術(shù)來實(shí)現(xiàn)，而且即使在AGI實(shí)現(xiàn)后也不會抹殺專用技術(shù)的價值。如[4]中所指出的，對一個可以明確刻畫的應(yīng)用問題而言，專用系統(tǒng)往往比通用系統(tǒng)更有效和更可靠。通用系統(tǒng)的應(yīng)用價值是在那些問題和解法都難以事先確定的領(lǐng)域。在理論價值上，這二者的差別就更顯著了。各種現(xiàn)存AI理論對于揭示智能的一般原理貢獻(xiàn)甚微，而AGI理論則往往是從一般原理入手的。

在《人工智能：何為“智”?》中，我介紹了我對“智能”的工作定義是“在知識和資源相對不足的條件下的適應(yīng)能力”。按照這個定義構(gòu)建的系統(tǒng)可以被置于很多不同的環(huán)境中，而其智能使得它能夠逐漸通過學(xué)習(xí)獲得在該領(lǐng)域解決問題的能力。照這種觀點(diǎn)看，“智能”不是“解決具體問題的能力”，而是“獲得解決具體問題的能力的能力”，因此是一種通用的“元能力”(meta-ability)。

我對于“能力”和“元能力”的區(qū)別的最早認(rèn)識來自于小時候讀到的一個寓言故事。故事的框架很老套：兩兄弟遇到一個白胡子老神仙，他們選擇了不同的法寶，因此走上了不同的人生道路。這個故事的特別之處是其中的法寶是兩雙手套，一雙是白色的，另一雙是黃色的。帶上黃手套就可以直接擁有各種技藝，而帶上白手套就可以很快學(xué)會各種技藝。后面的情節(jié)大家都能猜到：選了黃手套的馬上變身為成功人士，而選了白手套的仍需四處學(xué)徒。有一天兩個法寶同時失效了，這時前成功人士立刻被打回原形，而那位前學(xué)徒工卻仍身懷長技。這個故事的出處我已經(jīng)找不到了(如果哪位讀者知道請告訴我)，兩雙手套的顏色也可能被我搞反了，但故事中的教益卻對我影響深遠(yuǎn)，且不僅僅是“不要貪圖急功近利”這么簡單。

在我看來，“能力”可以被分解成“技能”和“智能”兩個方面。一種“技能”指解決某類問題的專門化能力，而“智能”指那種獲得和提高各種技能的能力。如果把系統(tǒng)的總技能看成時間的函數(shù)，那么智能就是這個函數(shù)的導(dǎo)數(shù)。系統(tǒng)在某一時刻的技能等于其“本能”（先天技能）部分和智能所貢獻(xiàn)的部分的疊加。這兩個部分的關(guān)系在人類和計算機(jī)系統(tǒng)中非常不同。因為人類的本能差別較小，同齡人的技能差別可以近似地反映智能差別，這就是“智商”定義的基礎(chǔ)。相反，計算機(jī)系統(tǒng)的技能既可以來自本能，也可以來自智能。當(dāng)一個計算機(jī)系統(tǒng)完全靠人編的程序解決問題，而不根據(jù)自己的經(jīng)驗對其行為進(jìn)行任何調(diào)整時，它仍可能擁有很高的技能，但完全沒有智能。而另一方面，一個高智能系統(tǒng)如果不依賴于預(yù)先編好的應(yīng)用程序，在開始運(yùn)行時可能并沒有多高的技能。

根據(jù)上述分析，把人類智商測試直接用于人工智能是錯誤的，因為計算機(jī)系統(tǒng)在一個時刻的“智能值”和“技能值”之間沒有相關(guān)性，而前者必須通過后者的變化來衡量。智能的具體衡量標(biāo)準(zhǔn)和方法仍是AGI領(lǐng)域中的一個熱點(diǎn)課題，但無論如何，這種衡量不能以一套固定的考題來進(jìn)行，因為那樣一來，一定會有人去編制一些在這種考試中表現(xiàn)出色，但此外一無所能的系統(tǒng)。這絕不是正確的導(dǎo)向 — 圖靈測試已經(jīng)因此而遭到“鼓勵欺騙”的指責(zé)了。

“機(jī)器學(xué)習(xí)”還遠(yuǎn)遠(yuǎn)不夠

把智能理解為學(xué)習(xí)能力遠(yuǎn)非新想法。心理學(xué)家如皮亞杰已經(jīng)明確地指出智能是一種高級適應(yīng)能力，圖靈認(rèn)為思維機(jī)器要通過學(xué)習(xí)實(shí)現(xiàn)其功能，而“機(jī)器學(xué)習(xí)”從一開始就是AI的一個子領(lǐng)域。在這種情況下，為什么上述想法不能在主流AI中發(fā)展呢?這是因為像“智能”一樣，對“學(xué)習(xí)”這個概念也有許多種不同的理解，而我的理解和主流AI的很不一樣。

如上所述，我認(rèn)為“學(xué)習(xí)”是一個通用的元能力，而且是智能的必要條件，但在目前的AI研究中，“學(xué)習(xí)”一般是被看做是諸多認(rèn)知能力之一，是起錦上添花作用的，因而AI系統(tǒng)不一定都有學(xué)習(xí)能力。即使在機(jī)器學(xué)習(xí)的研究中，“學(xué)習(xí)”也是一般被看做達(dá)到一個確定的輸入輸出關(guān)系的手段。這種學(xué)習(xí)系統(tǒng)的技能在“訓(xùn)練”階段的確隨時間增長，但達(dá)到某個水平后學(xué)習(xí)就停止了，而此后系統(tǒng)進(jìn)入“工作”階段。與此相反，在我的設(shè)計中，系統(tǒng)沒有截然分開的“訓(xùn)練”階段和“工作”階段，學(xué)習(xí)是終生的，無處不在的，盡管在系統(tǒng)的“幼年期”和“成年期”學(xué)習(xí)和工作的比例有量的區(qū)別。最后，目前各種機(jī)器學(xué)習(xí)算法雖然有一定的通用性，但離AGI的要求還相差很遠(yuǎn)。

“錯把技能當(dāng)智能”是一個目前普遍存在的問題。對于只關(guān)心某個具體應(yīng)用的人來說，到底一個計算機(jī)系統(tǒng)的某項功能是程序員設(shè)計好的還是系統(tǒng)自己學(xué)的，其間的差別大概并不重要，但如果關(guān)注點(diǎn)是系統(tǒng)的發(fā)展?jié)摿瓦m用范圍，這里的差別可就大了。

以我的研究為例，“知識相對不足”意味著系統(tǒng)必須不斷學(xué)習(xí)新知識以應(yīng)對新問題，而“資源相對不足”意味著系統(tǒng)必須不斷調(diào)整策略以滿足時間約束，而這種運(yùn)行環(huán)境是不在現(xiàn)有AI研究(包括各種學(xué)習(xí)算法)的視野之內(nèi)的。更大的差別體現(xiàn)在對階段性結(jié)果的評價上。由于我的工作不是基于現(xiàn)有主流AI所接受的理論(主要是數(shù)理邏輯、概率統(tǒng)計、計算理論)之上的，而且尚未有具體應(yīng)用成果，這種工作在他們看來就沒什么價值。反過來，在我看來主流AI做的基本是“人工技能”，也不是我所感興趣的。雖然其他AGI研究者和我的觀點(diǎn)不完全一樣，他們同樣對主流AI的現(xiàn)有規(guī)范不滿，而對AGI的研究目標(biāo)和評價標(biāo)準(zhǔn)有更強(qiáng)的認(rèn)同感。

目前介紹AI技術(shù)熱點(diǎn)的報道很多，但其中的問題也不少，尤其是常常把這些技術(shù)做直觀理解和外推，因而賦予它們很多它們本來不具有的性質(zhì)。我在《賽先生》上寫這個專欄的初衷是以我自己的研究為線索，逐步、系統(tǒng)、深入地分析AI、AGI和認(rèn)知科學(xué)中的一些理論問題，澄清一些核心概念，并簡單地介紹一個完整的智能理論。之所以牽扯到認(rèn)知科學(xué)，是因為包括我在內(nèi)的一些AGI研究者的目的不僅僅是要造思維機(jī)器，而且希望循此途徑認(rèn)清智能、認(rèn)知、思維、心靈、意識等現(xiàn)象的本質(zhì)和一般規(guī)律，這就不可避免地涉及到心理學(xué)、語言學(xué)、哲學(xué)等相關(guān)學(xué)科，而所謂“認(rèn)知科學(xué)”正是指這些學(xué)科的交叉區(qū)域。我知道有很多讀者的興趣是在“人工智能是否會威脅人類”之類的話題上，但目前的這類討論大量充斥著概念錯誤，所以在涉及這些話題之前，我們還是需要先把基本概念搞清楚。（王培 美國天普大學(xué)計算機(jī)與信息科學(xué)系）

讀書的好處

1、行萬里路，讀萬卷書。

2、書山有路勤為徑，學(xué)海無涯苦作舟。

3、讀書破萬卷，下筆如有神。

4、我所學(xué)到的任何有價值的知識都是由自學(xué)中得來的?！_(dá)爾文

5、少壯不努力，老大徒悲傷。

6、黑發(fā)不知勤學(xué)早，白首方悔讀書遲?！佌媲?/p>

7、寶劍鋒從磨礪出，梅花香自苦寒來。

8、讀書要三到：心到、眼到、口到

9、玉不琢、不成器，人不學(xué)、不知義。

10、一日無書，百事荒廢?！悏?/p>

11、書是人類進(jìn)步的階梯。

12、一日不讀口生，一日不寫手生。

13、我撲在書上，就像饑餓的人撲在面包上?！郀柣?/p>

14、書到用時方恨少、事非經(jīng)過不知難?！懹?/p>

15、讀一本好書，就如同和一個高尚的人在交談——歌德

16、讀一切好書，就是和許多高尚的人談話。——笛卡兒

17、學(xué)習(xí)永遠(yuǎn)不晚?！郀柣?/p>

18、少而好學(xué)，如日出之陽；壯而好學(xué)，如日中之光；志而好學(xué)，如炳燭之光?！獎⑾?/p>

19、學(xué)而不思則惘，思而不學(xué)則殆?！鬃?/p>

20、讀書給人以快樂、給人以光彩、給人以才干?！喔?/p>

第二篇：人工智能發(fā)展史解讀

人工智能學(xué)科誕生于20世紀(jì)50年代中期，當(dāng)時由于計算機(jī)的產(chǎn)生與發(fā)展，人們開始了具有真正意義的人工智能的研究。（雖然計算機(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人之一.最熟悉的反饋控制的例子是自動調(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)將加熱器開大或關(guān)小,從而控制環(huán)境溫度.這項對反饋 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.這項發(fā)現(xiàn)對早期AI的發(fā)展影響很大。）

1956年夏，美國達(dá)特莫斯大學(xué)助教麥卡錫、哈佛大學(xué)明斯基、貝爾實(shí)驗室申龍、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達(dá)特莫斯大學(xué)舉行了以此為其兩個月的學(xué)術(shù)討論會，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題，并首次提出了人工智能的術(shù)語。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，塞繆爾編寫了第一個電腦跳棋程序，麥卡錫、明斯基、紐厄爾和西蒙都是“圖靈獎”的獲獎?wù)摺?/p>

這次會議之后，在美國很快形成了3個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“邏輯理論家“（簡稱LT）程序，它將每個問題都表示成一個樹形模型,然后選擇最可能得到正確結(jié)論的那一枝來求解問題，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個定理中的38個定理。1963年對程序進(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價，被認(rèn)為是計算機(jī)模擬人的高級思維活動的一個重大成果，是人工智能的真正開端。

（2）1956年，塞繆爾利用對策論和啟發(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，能在下棋過程中不斷積累所獲得的經(jīng)驗，并能根據(jù)對方的走步，從許多可能的步數(shù)中選出一個較好的走法。這是模擬人類學(xué)習(xí)過程第一次卓有成效的探索。這臺機(jī)器不僅在1959年擊敗了塞繆爾本人，而且在1962年擊敗了美國一個州的跳棋冠軍，在世界上引起了大轟動。這是人工智能的一個重大突破。

（3）1958年，麥卡錫研制出表處理程序設(shè)計語言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，成為了人工智能程序語言的重要里程碑。目前，LISP語言仍然是研究人工智能何開發(fā)智能系統(tǒng)的重要工具。

（4）1960年紐威爾、肖和西蒙等人通過心理學(xué)實(shí)驗，發(fā)現(xiàn)人在解題時的思維過程大致可以分為3個階段：1。首先想出大致的解題計劃；2。根據(jù)記憶中的公理、定理和解題規(guī)劃、按計劃實(shí)施解題過程；3.在實(shí)施解題過程中，不斷進(jìn)行方法和目標(biāo)分析，修改計劃。這是一個具有普遍意義的思維活動過程，其中主要是方法和目的的分析。（也就是人們在求解數(shù)學(xué)問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“通用問題求解程序GPS”，用它來解決不定積分、三角函數(shù)、代數(shù)方程等11種不同類型的問題，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，對當(dāng)時人工智能的研究起了推動作用。

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，并對這一領(lǐng)域給予了過高的希望。紐威爾和西蒙在1958年曾作出以下預(yù)言：

①不出十年，計算機(jī)將成為世界象棋冠軍，除非規(guī)定不讓它參加比賽；

②.不出十年，計算機(jī)將發(fā)現(xiàn)并證明那時還沒有被證明的數(shù)學(xué)定理；

③.不出十年，計算機(jī)將譜寫出具有較高美學(xué)價值并得到評論家認(rèn)可的樂曲；

④不出十年，大多數(shù)心理學(xué)家的理論將采用計算機(jī)程序來形成。

非常遺憾的是，到目前為止，這樣的預(yù)言還沒有一個得到完全的實(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)展時期后，很快就遇到了許多問題。這些問題主要表現(xiàn)在：

（1）1965年魯賓遜發(fā)明了歸結(jié)（消解）原理，曾被認(rèn)為是一個重大的突破，可是很快這種歸結(jié)法能力有限，證明兩個連續(xù)函數(shù)之和還是連續(xù)函數(shù)，推證了十萬步竟還沒有得證。

（2）塞繆爾的下棋程序，贏得了周冠軍后，沒能贏全國冠軍。

（3）機(jī)器翻譯出了荒謬的結(jié)論。如從英語→俄語→英語的翻譯中，又一句話：“The spirit is willing but the flesh is weak”(心有余而力不足)，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。

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)家沒有被一時的困難所嚇倒，他們在認(rèn)真總結(jié)經(jīng)驗教訓(xùn)的基礎(chǔ)上，努力探索使人工智能走出實(shí)驗室，走向?qū)嵱没男侣纷樱⑷〉昧肆钊斯奈璧倪M(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。這是第一個專家系統(tǒng)，標(biāo)志著人工之能從實(shí)驗室走了出來，開始進(jìn)入實(shí)際應(yīng)用時代。

（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)菌感染性血液病的專家咨詢系統(tǒng)MYCIN。經(jīng)專家小組對醫(yī)學(xué)專家、實(shí)習(xí)醫(yī)師以及MYCIN行為進(jìn)行正式測試評價，認(rèn)為MYCIN的行為超過了其他所有人，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)的角度來看，該系統(tǒng)的特點(diǎn)是：1。使用了經(jīng)驗性知識，用可信度表示，進(jìn)行不精確推理。2.對推理結(jié)果具有解釋功能，時系統(tǒng)是透明的。3.第一次使用了知識庫的概念。正是由于MYCIN基本解決了知識表示、知識獲取、搜索策略、不精確推理以及專家系統(tǒng)的基本結(jié)構(gòu)等重大問題（是怎樣解決的呢？），對以后的專家系統(tǒng)產(chǎn)生了很大的影響。

（3）1976年，斯坦福大學(xué)國際人工智能中心的杜達(dá)等人開始研制礦藏勘探專家系統(tǒng)PROSPECTOR，它能幫助地質(zhì)學(xué)家解釋地質(zhì)礦藏數(shù)據(jù)，提供硬巖石礦物勘探方面的咨詢，包括勘探測評，區(qū)域資源估值，鉆井井位選擇等。該系統(tǒng)用語義網(wǎng)絡(luò)表示地質(zhì)知識，擁有15中礦藏知識，采用貝葉斯概率推理處理不確定的數(shù)據(jù)和知識。PROSPECTOR系統(tǒng)于1981年開始投入實(shí)際使用，取得了巨大的經(jīng)濟(jì)效益。例如1982年，美國利用該系統(tǒng)在華盛頓發(fā)現(xiàn)一處礦藏，據(jù)說實(shí)用價值可能超過1億美元。

（4）美國卡內(nèi)基—梅隆大學(xué)于20世紀(jì)70年代先后研制了語音理解系統(tǒng)HEARSAY-I加入HEARSAY-II，它完成從輸入的聲音信號轉(zhuǎn)換成字，組成單詞，合成句子，形成數(shù)據(jù)庫查詢語句，再到情報數(shù)據(jù)庫中去查詢資料。該系統(tǒng)的特點(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，進(jìn)行不同抽象級的問題求解。

在這一時期，人工智能在新方法、程序設(shè)計語言、知識表示、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)器視覺方面的新理論,例如,如何通過一副圖像的陰影,形狀,顏色,邊界和紋理等基本信息辨別圖像.通過分析這些信息,可以推斷出圖像可能是什么，法國馬賽大學(xué)的柯爾麥倫和他領(lǐng)導(dǎo)的研究小組于1972年研制成功的第一個PROLOG系統(tǒng)，成為了繼LISP語言之后的另一種重要的人工智能程序語言；明斯基1974年提出的框架理論；紹特里夫于1975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。圍繞知識這一核心問題，人們重新對人工智能的原理和方法進(jìn)行了探索，并在知識獲取、知識表示以及知識在推理過程中的利用等方面開始出現(xiàn)一組新的原理、工具和技術(shù)。1977年，在第五屆國際人工智能聯(lián)合會（IJCAI）的會議上，費(fèi)根鮑姆教授在一篇題為《人工智能的藝術(shù)：知識工程課題及實(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，并提出了知識工程（KnowledgeEngineering）的概念。費(fèi)根鮑姆認(rèn)為，知識工程是研究知識信息處理的學(xué)科，它應(yīng)用人工智能的原理和方法，對那些需要專家知識才能解決的應(yīng)用難題提供了求解的途徑。恰當(dāng)?shù)倪\(yùn)用專家知識的獲取、表示、推理過程的構(gòu)成與解釋，是設(shè)計基于知識的系統(tǒng)的重要技術(shù)問題。至此，圍繞著開發(fā)專家系統(tǒng)而開展的相關(guān)理論、方法、技術(shù)的研究形成了知識工程學(xué)科。知識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)向基于知識的模型。

為了適應(yīng)人工智能和知識工程發(fā)展的需要，在政府的大力支持下，日本于1982年開始了為期10年的“第五代計算機(jī)的研制計劃”，即“知識信息處理計算機(jī)系統(tǒng)KIPS”，總共投資4.5億美元。它的目的是使邏輯推理達(dá)到數(shù)值運(yùn)算那樣快。日本的這一計劃形成了一股熱潮，推動了世界各國的追趕浪潮。美國、英國、歐共體、蘇聯(lián)等都先后制訂了相應(yīng)的發(fā)展計劃。隨著第五代計算機(jī)的研究開發(fā)和應(yīng)用，人工智能進(jìn)入一個興盛時期，人工智能界一派樂觀情緒。

然而，隨著專家系統(tǒng)應(yīng)用的不斷深入，專家系統(tǒng)自身存在的知識獲取難、知識領(lǐng)域窄、推理能力弱、只能水平低、沒有分布式功能、實(shí)用性差等等問題逐步暴露出來。日本、美國、英國和歐洲所制訂對那些針對人工智能的大型計劃多數(shù)執(zhí)行到20世紀(jì)80年代中期就開始面臨重重困難，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)，這些困難不只是個別項目的制訂又問題，而是涉及人工智能研究的根本性問題。總的來講是兩個問題：一是所謂的交互（Interaction）問題，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。另一個問題是擴(kuò)展（Scaling up）問題，即所謂的大規(guī)模的問題，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。這些計劃的失敗，對人工智能的發(fā)展是一個挫折。

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)在日本被開發(fā)出來,如在美國首創(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，給人們帶來了新的希望。人工神經(jīng)網(wǎng)絡(luò)的主要特點(diǎn)是信息的分布存儲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，解決了一些符號方法難以解決的問題，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年美國召開了第一次神經(jīng)網(wǎng)絡(luò)國際會議，宣布新學(xué)科的誕生。1988年以后，日本和歐洲各國在神經(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題。

20世紀(jì)80年代末，以美國麻省理工學(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，并認(rèn)為研制可適應(yīng)環(huán)境的“機(jī)器蟲”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)識到已有的人工智能方法僅限于在模擬人類智能活動中使用成功的經(jīng)驗知識處理簡單的問題，開始在符號機(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)一步開展研究工作。20世紀(jì)90年代，所謂的符號主義、連接主義和行動主義3種方法并存。對此，中國學(xué)者認(rèn)為這3種方法各有優(yōu)缺點(diǎn)，他們提出了綜合集成的方法，即不同的問題用不同的方法來解決，或用聯(lián)合（混合、融合）的方法來解決，再加上人工智能系統(tǒng)引入交互機(jī)制，系統(tǒng)的智能水平將會大為提高。

總而言之，盡管人工智能的發(fā)展經(jīng)歷了曲折的過程，但它在自動推理、認(rèn)知建模、機(jī)器學(xué)習(xí)、神經(jīng)元網(wǎng)絡(luò)、自然語言處理、專家系統(tǒng)、智能機(jī)器人等方面的理論和應(yīng)用上都取得了稱得上具有“智能”的成果。許多領(lǐng)域?qū)⒅R和智能思想引入到自己的領(lǐng)域，使一些問題得以較好的解決。應(yīng)該說，人工智能的成就是巨大的，影響是深遠(yuǎn)的。

讀書的好處

1、行萬里路，讀萬卷書。

2、書山有路勤為徑，學(xué)海無涯苦作舟。

3、讀書破萬卷，下筆如有神。

4、我所學(xué)到的任何有價值的知識都是由自學(xué)中得來的。——達(dá)爾文

5、少壯不努力，老大徒悲傷。

6、黑發(fā)不知勤學(xué)早，白首方悔讀書遲?！佌媲?/p>

7、寶劍鋒從磨礪出，梅花香自苦寒來。

8、讀書要三到：心到、眼到、口到

9、玉不琢、不成器，人不學(xué)、不知義。

10、一日無書，百事荒廢?！悏?/p>

11、書是人類進(jìn)步的階梯。

12、一日不讀口生，一日不寫手生。

13、我撲在書上，就像饑餓的人撲在面包上?！郀柣?/p>

14、書到用時方恨少、事非經(jīng)過不知難?！懹?/p>

15、讀一本好書，就如同和一個高尚的人在交談——歌德

16、讀一切好書，就是和許多高尚的人談話。——笛卡兒

17、學(xué)習(xí)永遠(yuǎn)不晚?！郀柣?/p>

18、少而好學(xué)，如日出之陽；壯而好學(xué)，如日中之光；志而好學(xué)，如炳燭之光。——劉向

19、學(xué)而不思則惘，思而不學(xué)則殆?！鬃?/p>

20、讀書給人以快樂、給人以光彩、給人以才干?！喔?/p>

第三篇：人工智能論文解讀

人工智能結(jié)課論文

系別：計算機(jī)科學(xué)與技術(shù)系

班級：姓名：于靜學(xué)號：

13計算機(jī)專接本一班

知識處理

***0

摘要：進(jìn)入2l 世紀(jì)，計算機(jī)硬件和軟件更新的速度越來越快，計算機(jī)這個以往總給人以冷冰冰的機(jī)器的形象也得到了徹底的改變。人機(jī)交互的情形越來越普遍，計算機(jī)被人類賦予了越來越多的智能因素。伴隨著人類把最新的計算機(jī)技術(shù)應(yīng)用于各個學(xué)科，對這些學(xué)科的認(rèn)知也進(jìn)入了日新月異的發(fā)展階段，促使大量的新的研究成果不斷涌現(xiàn)。例如：“人機(jī)大戰(zhàn)”中深藍(lán)計算機(jī)輕松的獲勝、人類基因組排序工作的基本完成、人類大腦結(jié)構(gòu)性解密、單純器官性克隆的成功實(shí)現(xiàn)等等。隨著計算機(jī)這個人類有史以來最重要的工具的不斷發(fā)展，伴隨著不斷有新理論的出現(xiàn)，人類必須重新對它們進(jìn)行分析和審視。知識處理是人工智能這一科學(xué)領(lǐng)域的關(guān)鍵問題。本文對知識處理的核心問題之——識的表示進(jìn)行了全面的綜述目前流行的知識表達(dá)方式不下十種，在此只介紹一階謂詞邏輯、產(chǎn)生式、語義網(wǎng)絡(luò)、框架、混合等目前最常用的知識表示方法。并對其進(jìn)行了優(yōu)缺點(diǎn)分析及簡單對比。最后對知識表示的發(fā)展趨向作出了展望。

關(guān)鍵詞：知識

人工智能（AI）

知識表達(dá)式

一階謂詞邏輯

產(chǎn)生式 語義網(wǎng)絡(luò)

框架

一、知識和知識的表示

1、知識的概念

知識是人類世界特有的概念，他是人類對客觀世界的一種比較準(zhǔn)確、全面的認(rèn)識和理解的結(jié)晶。(1)知識只有相對正確的特性。常言道：實(shí)踐出真理。只是源于人們生活、學(xué)習(xí)與工作的實(shí)踐，知識是人們在信息社會中各種實(shí)踐經(jīng)驗的匯集、智慧的概括與積累。只是愛源于人們對客觀世界運(yùn)動規(guī)律的正確認(rèn)識，是從感知認(rèn)識上升成為理性認(rèn)識的高級思維勞動過程的結(jié)晶，故相應(yīng)于一定的客觀環(huán)境與條件下，只是無疑是正確的。然而當(dāng)客觀環(huán)境與條件發(fā)生改變時，知識的正確性就接受檢驗，必要時就要對原來的認(rèn)識加以修改和補(bǔ)充，一至全部更新而取而代之。例如知道1543年哥白尼學(xué)說問世之前，人們一直都以為地球是宇宙的核心；再有：人們都知道一個關(guān)于“瞎子摸象”的故事，它通俗地說明了完整的只是形式是一個復(fù)雜的智能過程。通常人們獲取知識的重要手段是：利用信息，把各種信息提煉、概括并關(guān)聯(lián)在一起，就形成了知識。而利用信息關(guān)聯(lián)構(gòu)成知識的形式有多種多樣。

(2)知識的確定與不確定性如前說述，知識有若干信息關(guān)聯(lián)的結(jié)構(gòu)組成，但是，其中有的信息是精確的，有的信息卻是不精確的。這樣，則由該信息結(jié)構(gòu)形成的知識也有了確定與不確定的特征。例如，在我國中南地區(qū)，根據(jù)天上出現(xiàn)彩虹的方向及其位置，可以預(yù)示天氣的變化。有諺語曰：“東邊日（晴天），西邊雨?！钡?，這只是一種常識性經(jīng)驗，并不能完全肯定或否定。再如：家有一頭秀發(fā)，一時兩鬢如霜。我們則認(rèn)為家一定是年輕人，乙就是老年人嘛？不能完全肯定，因為相反的事例是很多的。比如，當(dāng)年的白毛女就不是老人，而現(xiàn)在六十多歲的演員有一頭黑發(fā)也不足為奇。

2、知識表達(dá)及其映像原理

智能機(jī)器系統(tǒng)如同智能生物一樣，在運(yùn)用知識進(jìn)行信息交流或只能問題求解時，都需要預(yù)先進(jìn)行知識表示。進(jìn)而實(shí)現(xiàn)知識調(diào)用，達(dá)到利用知識求解問題的目的。因而只是表示是知識信息處理系統(tǒng)必不可少的關(guān)鍵環(huán)節(jié)。對智能機(jī)器系統(tǒng)而言只是表示，實(shí)際上就是對知識的一種描述或約定。其本質(zhì)，就是采用某種技術(shù)模式，八所要求解決的問題的相關(guān)知識，映射為一種便于找到該問題解的數(shù)據(jù)結(jié)構(gòu)。對知識進(jìn)行表示的過程，實(shí)質(zhì)上就是把相關(guān)只是映射（或稱為變換：Transformation；或稱為映像：Mapping；或稱為編碼：Coded）為該數(shù)據(jù)結(jié)構(gòu)的過程。如圖1。

圖1 只是表達(dá)及其映射原理

如圖，其目標(biāo)是要對復(fù)雜的智能性問題實(shí)現(xiàn)機(jī)器求解，但機(jī)器直接對原始問題求解難度很大，可采用知識表達(dá)的映射原理，把原始問題映射為它的一種同構(gòu)或同態(tài)問題，然后在對同構(gòu)或同態(tài)問題求出它的解答，則相對容易而方便。順便指出：同構(gòu)解答與原始問題有相同的形式解，然而對于同態(tài)問題，如果得到原始解，只需對同臺解答再施行反運(yùn)算即可。在自然科學(xué)實(shí)際應(yīng)用研究中，利用映射（稱之為變換）原理迂回求解的思想，是一種非常有效而廣為使用的重要手段。目前比較常見的知識表達(dá)方法主要有：常用的知識表示方法：一階謂詞邏輯表示法，產(chǎn)生式表示法，框架表示法，語義網(wǎng)絡(luò)表示法，腳本表示法，過程表示法，面向?qū)ο蟊硎痉ǎ窠?jīng)網(wǎng)絡(luò)表示法。如圖2

二、常用知識表示法：

2.1一階謂詞邏輯表示法：

一階謂詞邏輯表示法是目前應(yīng)用最廣的方法之一，在AI系統(tǒng)上已經(jīng)得到了應(yīng)用。它是通過分析命題內(nèi)容和謂詞邏輯，盡可能正確地表述它的各種意境的過程。知識的謂詞邏輯表示符合人的思維習(xí)慣，可讀性好，邏輯關(guān)系表達(dá)簡便。使用謂詞邏輯既便于表達(dá)概念、狀態(tài)、屬性等事實(shí)性知識，又能方便地采用謂詞公式的表達(dá)形式，進(jìn)行各種智能行為的過程性描述與演繹推理。一階謂詞的一般形式為P(x1，x2，?，xn)其中P是謂詞名，xi為個體常量、變元，或函數(shù)。例如：STUDENT(zhangsan)：zhangsan是學(xué)生

STUDENT(x)：x是學(xué)生Greater(x，5)：x>5TEACHER(father(Wanghong))：王宏的父親是教師。在一階謂詞表示法中連接詞是非常重要的其中： 連接詞：?、∨、∧、→、? 量詞：?、?

(?x)P(x)為真、為假的定義

(?x)P(x)為真、為假的定義

結(jié)合具體事例可以看到一階謂詞邏輯在知識表示法中的優(yōu)越性： 李明是計算機(jī)系的學(xué)生，但他不喜歡編程。定義謂詞：

COMPUTER(x):x是計算機(jī)系的 學(xué)生

LIKE(x,y):x喜歡y 謂詞公式為：

LIKE(liming，programming)COMPUTER(liming)∧

謂詞邏輯是一種傳統(tǒng)經(jīng)典也是最基本的形式化方法。謂詞邏輯知識表示規(guī)范性嚴(yán)，邏輯性強(qiáng)，自然性好，推理過程嚴(yán)密，易于實(shí)現(xiàn)。這些優(yōu)良特性使得謂詞邏輯最早用于人工智能機(jī)器定理證明，并獲得了成功。但是必須看到，謂詞邏輯屬于標(biāo)準(zhǔn)的二值（T與F）邏輯，難以直接進(jìn)行不確定性問題的處理。對于復(fù)雜系統(tǒng)的求解問題，容易陷入冗長演繹推理中，常常不可避免地帶來求解效率低,甚至產(chǎn)生“組合爆炸”問題。因此，針對謂詞邏輯，尚待人們不斷加以改進(jìn)，以尋求自然性好而效率更高的技術(shù)方法。

2.2產(chǎn)生式表示法

目前，產(chǎn)生式表示方法是專家系統(tǒng)的第一選擇的知識表達(dá)方式。是美國數(shù)學(xué)家Post在1943年提出了一種計算形式體系里所使用的術(shù)語。產(chǎn)生式表示的基本形式為：（1）確定性知識的表示：

產(chǎn)生式形式：P→Q或者IF P THEN Q 它的含義：如果前提P滿足，則可以推出結(jié)論Q或執(zhí)行Q操作。例如：IF CLEAR(B)AND HANDEMPTYTHEN Pickup(B)如果積木B上是空的，且機(jī)械手空，則機(jī)械手從桌面上抓起積木B。（2）不確定知識的表示：

產(chǎn)生式形式：P→Q（置信度）或者IF P THEN Q（置信度）在不確定推理中，當(dāng)已知事實(shí)與前提P不能精確匹配時，只要按照“置信度”的要求達(dá)到一定的相似度，就認(rèn)為已知事實(shí)與前提條件相匹配，再按照一定的算法將這種可能性（不確定性）傳遞到結(jié)論Q。

產(chǎn)生式表示法其優(yōu)點(diǎn)在于模塊性。規(guī)則與規(guī)則之間相互獨(dú)立靈活性。知識庫易于增加、修改、刪除自然性。方便地表示專家的啟發(fā)性知識與經(jīng)驗透明性。易于保留動作所產(chǎn)生的變化、軌跡，但仍有不少缺點(diǎn)：知識庫維護(hù)難。效率低。為了模塊一致性理解難。由于規(guī)則一致性彼此之間不能調(diào)用。

2.3 語義網(wǎng)絡(luò)表達(dá)式

語義網(wǎng)絡(luò)是人工智能常用的知識表示法之一。是一種使用概念及其語義關(guān)系來表達(dá)知識的有向圖。它作為人類聯(lián)想記憶的一個顯示心理學(xué)模型，是由J.R.Quillian于1968年在他的博士論文中首先提出，并用于自然語言處理。語義網(wǎng)絡(luò)結(jié)構(gòu)共使用了三種圖形符號：框、帶箭頭及文字標(biāo)識的線條和文字標(biāo)識線。分別稱為:（1）節(jié)(結(jié))點(diǎn);弧(又叫做邊或支路);指針。

（2）節(jié)點(diǎn)(Node)：也稱為結(jié)點(diǎn)。用圓形、橢圓、菱形或長方形的框圖來表示，用來表示事物的名稱、概念、屬性、情況、動作、狀態(tài)等。

（3）弧(Arc)：這是一種有向弧，又稱之為支路（Branch）。節(jié)點(diǎn)之間用帶箭頭及文字標(biāo)識的有向線條來聯(lián)結(jié)，用以表示事物之間的結(jié)構(gòu)，即語義關(guān)系。

（4）指針(Pointer)：也叫指示器。是在節(jié)點(diǎn)或者弧線的旁邊，另外附加必要的線條及文字標(biāo)識，用來對節(jié)點(diǎn)、弧線和語義關(guān)系作出相宜的補(bǔ)充、解釋與說明。

語義網(wǎng)絡(luò)是一種結(jié)構(gòu)化知識表示方法，具有表達(dá)直觀，方法靈活，容易掌握和理解的特點(diǎn)。概括起來，主要優(yōu)點(diǎn)在于采用語義關(guān)系的有向圖來連接，語義、語法、詞語應(yīng)用兼顧，具有描述生動，表達(dá)自然，易于理解等。

雖然語義網(wǎng)絡(luò)知識表示和推理具有較大的靈活性和多樣性，但是沒有公認(rèn)嚴(yán)密的形式表達(dá)體系，卻不可避免地帶來了非一致性和程序設(shè)計與處理上的復(fù)雜性，這也是語義網(wǎng)絡(luò)知識表示尚待深入研究解決的一個課題。

2.4．框架表式式

框架表示法誕生于1975年，這也是一種結(jié)構(gòu)化的知識表示方法，并已在多種系統(tǒng)中得到成功的應(yīng)用。框架理論是由人工智能科學(xué)創(chuàng)始人之一，美國著名的人工智能學(xué)者M(jìn).L.Minsky(明斯基)提出來的。

自然界各種事物都可用框架(Frame)組織構(gòu)成。每個被定義的框架對象分別代表著不同的特殊知識結(jié)構(gòu)，從而可在大腦或計算機(jī)中表示、存儲并予以認(rèn)識、理解和處理。框架是一種被用來描述某個對象（諸如一個事物、一個事件或一個概念）屬性知識的數(shù)據(jù)結(jié)構(gòu)。下面是一個關(guān)于“大學(xué)教師”的框架設(shè)計模式。

n

框架名：

〈大學(xué)教師〉 n

姓名：

單位（姓，名）n

年齡：

單位（歲）

n

性別：

范圍(（男，女）缺省：男)n

學(xué)歷：

范圍（學(xué)士，碩士，博士）

n

職稱：

范圍(（教授，副教授，講師，助教）缺?。褐v師)n

部門：

范圍（學(xué)院（或系、處）n

住址：

〈住址框架〉 n

工資：

〈工資框架〉 n

參加工作時間：

單位（年，月）

n

健康狀況：

范圍（健康，一般，較差）n

其它：

范圍（〈個人家庭框架〉，〈個人經(jīng)濟(jì)狀況框架〉）

上述框架共有十一個槽，分別描述了關(guān)于“大學(xué)教師”的十一個方面的知識及其屬性。在每個槽里都指定了一些說明性的信息，表明了相關(guān)槽的值的填寫要有某些限制。框架表示法支持上層框架概念抽象和下層框架信息繼承共享的思想，不僅減少了框架信息和屬性知識表達(dá)的冗余，而且保證了上、下層框架知識表達(dá)的一致性。

主要缺點(diǎn)：框架表示法過于死板，難以描述諸如機(jī)器人糾紛等類問題的動態(tài)交互過程生動性。

三、各知識表達(dá)式的比較與展望

以上若知識表達(dá)方法，絕大多數(shù)在應(yīng)用中得到了很好的應(yīng)用。但實(shí)際工作中，如果要建立一個人工智能系統(tǒng)、專家系統(tǒng)時，還是要根據(jù)具體情況提出一個混合性的知識表達(dá)方式。每一種知識表示方法各有特點(diǎn)，而且適用的領(lǐng)域也不同：

（1）謂詞邏輯方法只適用于確定性、陳述性、靜態(tài)性知識，而對動態(tài)的、變化性、模糊性知識則很難表示。

（2）產(chǎn)生式規(guī)則方法推理方法太單一，如果前提條件太多，或規(guī)則條數(shù)太多，則推理的速度將慢得驚人。

（3）語義網(wǎng)絡(luò)方法表達(dá)的知識面比較窄。（4）框架方法表示的知識橫向關(guān)系不太明確。（縱向從屬繼承關(guān)系很明確）

因此，對于復(fù)雜的、深層次的知識，應(yīng)根據(jù)需要表示知識的特征，來決定用二種或三種方法聯(lián)合表示，例如：

（1）邏輯與框架：框架里的槽值可以對應(yīng)于謂詞項。

（2）語義網(wǎng)絡(luò)與框架：結(jié)點(diǎn)對應(yīng)與框架，結(jié)點(diǎn)的參數(shù)就是框架的槽值。

（3）產(chǎn)生式與框架：框架的槽值對應(yīng)于一條產(chǎn)生式規(guī)則。與神經(jīng)網(wǎng)絡(luò)結(jié)合。

參考文獻(xiàn)：

[1] 蔡之華；模糊Petri網(wǎng)及知識表示 [J];計算機(jī)應(yīng)用與軟件；1994年03期 [2].張科杰,袁國華,彭穎紅； 知識表示及其在機(jī)械工程設(shè)計中的應(yīng)用探討[J];

機(jī)械設(shè)計；2004年06期。

[3].劉曉霞。新的知識表示方法——概念圖［Ｊ］。航空計算技術(shù)。1997（4）。[4].王永慶人工智能原理與方法［Ｍ］。西安交通大學(xué)出版社。1998。

讀書的好處

1、行萬里路，讀萬卷書。

2、書山有路勤為徑，學(xué)海無涯苦作舟。

3、讀書破萬卷，下筆如有神。

4、我所學(xué)到的任何有價值的知識都是由自學(xué)中得來的。——達(dá)爾文

5、少壯不努力，老大徒悲傷。

6、黑發(fā)不知勤學(xué)早，白首方悔讀書遲?！佌媲?/p>

7、寶劍鋒從磨礪出，梅花香自苦寒來。

8、讀書要三到：心到、眼到、口到

9、玉不琢、不成器，人不學(xué)、不知義。

10、一日無書，百事荒廢?！悏?/p>

11、書是人類進(jìn)步的階梯。

12、一日不讀口生，一日不寫手生。

13、我撲在書上，就像饑餓的人撲在面包上。——高爾基

14、書到用時方恨少、事非經(jīng)過不知難?！懹?/p>

15、讀一本好書，就如同和一個高尚的人在交談——歌德

16、讀一切好書，就是和許多高尚的人談話?！芽▋?/p>

17、學(xué)習(xí)永遠(yuǎn)不晚?！郀柣?/p>

18、少而好學(xué)，如日出之陽；壯而好學(xué)，如日中之光；志而好學(xué)，如炳燭之光?！獎⑾?/p>

19、學(xué)而不思則惘，思而不學(xué)則殆?！鬃?/p>

20、讀書給人以快樂、給人以光彩、給人以才干?！喔?/p>

第四篇：人工智能課程論文解讀

人工智能課程論文

題目：人工智能：用科學(xué)解密生命與智慧

姓

名：

學(xué)

號：

指導(dǎo)老師：

人工智能：用科學(xué)解密生命與智慧

摘要

本文是對人工智能及其應(yīng)用的一個綜述。首先介紹了人工智能的理論基礎(chǔ)以其與人類智能的區(qū)別和聯(lián)系。然后簡要介紹了人工智能的發(fā)展現(xiàn)狀以及未來趨勢，并列舉了一些人工智能在生活中的應(yīng)用。對人工智能的一個熱門分支——神經(jīng)計算進(jìn)行了著重介紹，人工神經(jīng)網(wǎng)絡(luò)通過模擬人腦的學(xué)習(xí)機(jī)制，將人工智能的重點(diǎn)從符號表示可靠的推理策略問題轉(zhuǎn)化到學(xué)習(xí)和適應(yīng)的問題，描述了其在字符識別問題上的實(shí)際應(yīng)用。

人工智能：用科學(xué)解密生命與智慧

目錄

一，人工智能與人類智能..............................................................................................4

1，什么是智能？.................................................................................................4 2，機(jī)器智能不等同于人類智能.........................................................................5 二，人工智能當(dāng)前進(jìn)展..................................................................................................6 三，人工智能在生活中的應(yīng)用......................................................................................7 四，人工智能的前沿分支：神經(jīng)計算..........................................................................9

1，人工神經(jīng)網(wǎng)絡(luò)：從大腦得到靈感.................................................................9 2，神經(jīng)網(wǎng)絡(luò)應(yīng)用實(shí)例：基于Deep autoencoder的字符圖像識別...............10 五，人工智能未來發(fā)展趨勢........................................................................................12 小結(jié)................................................................................................................................13 參考文獻(xiàn)........................................................................................................................1

4人工智能：用科學(xué)解密生命與智慧

一，人工智能與人類智能

人工智能（Artificial Intelligence，AI）是計算機(jī)科學(xué)的一個分支，它關(guān)心智能行為的自動化。AI是計算機(jī)科學(xué)的一部分，因而必須建立在堅實(shí)的理論知識之上并應(yīng)用于計算機(jī)科學(xué)領(lǐng)域。它是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。該領(lǐng)域的研究包括機(jī)器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。1，什么是智能？

雖然大多數(shù)人確信看到智能行為是能判斷它是智能的，但是似乎沒有人能夠使“智能”的定義既足夠又具體以評估計算機(jī)程序的智能性，同時又反映了人類意識的生動性和復(fù)雜性。

這樣實(shí)現(xiàn)一般智能就是塑造特定智能的人工制品。這些制品通常以診斷、預(yù)測或可視化工具實(shí)現(xiàn)，能夠使得人類使用者完成復(fù)雜的任務(wù)。例如：用語言理解的馬爾可夫模型，提供新數(shù)學(xué)理論的自動推理系統(tǒng)，通過大腦皮層網(wǎng)跟蹤信號的動態(tài)貝葉斯網(wǎng)絡(luò)，以及基因表達(dá)的數(shù)據(jù)模式的可視化，等等。

因此，定義人工智能完全領(lǐng)域的問題就變成了定義智能本身的問題：智能是一種獨(dú)立的才能，還是一系列獨(dú)一無二且不相關(guān)的能力的總稱？在多大程度上可以說智能是學(xué)到的不是預(yù)先存在的？準(zhǔn)確的說，學(xué)習(xí)時發(fā)生什么？什么是創(chuàng)造力？什么是直覺？智能是從可觀察行為推斷出的，還是需要特定內(nèi)部機(jī)制的證據(jù)？在一個生物體的神經(jīng)組織中，知識是以何種方式表示的？什么是自覺，它在智能中起著怎樣的作用？另外，有必要按照已知的人類智能模式來設(shè)計智能計算機(jī)程序嗎？智能實(shí)體是不是需要只有在生物中存在的豐富感受和經(jīng)歷？

這一系列的問題很難回答，但這些問題幫助我們勾勒出現(xiàn)代人工智能研究的核心問題以及求解方法。實(shí)際上，人工智能提供了一種獨(dú)特而強(qiáng)大的工具來精確探索這些問題。AI為智能理論提供了一種媒介和實(shí)驗臺：首先用計算機(jī)程序語言表達(dá)出這些理論，然后在實(shí)際計算機(jī)上執(zhí)行來進(jìn)行測試和驗證。

人工智能：用科學(xué)解密生命與智慧

2，機(jī)器智能不等同于人類智能

瑪麗·雪萊在她的《弗蘭肯斯坦》一書的序言中這樣寫道：

大多是拜倫勛爵和雪萊之間的對話，而我只是一個虔誠、安靜的聽眾。其中有一次，他們討論了各種哲學(xué)學(xué)說，以及有關(guān)生命原理的問題，并且談到這些原理有否可能曾被發(fā)現(xiàn)和討論過。他們談及了達(dá)爾文博士的實(shí)驗（我不能確認(rèn)達(dá)爾文博士是否真正做過這個實(shí)驗，我只是說當(dāng)時有人講他做過這樣的實(shí)驗），他把一段蠕蟲（vermicelli）儲藏在玻璃罐中，在采取了一些特殊方法之后，它開始自發(fā)運(yùn)動。難道生命不是這樣形成的嗎？或許死尸還可能復(fù)活；流電電流實(shí)驗已經(jīng)讓我們看到了這樣的跡象：生命體的組成部分可以被制造、組合并注入活力（Butler 1998）。

瑪麗·雪萊告訴我們，諸如達(dá)爾文的進(jìn)化論和發(fā)現(xiàn)電流這樣的科學(xué)進(jìn)步已經(jīng)使普通民眾相信：自然法則并非奧妙無窮，而是可以被系統(tǒng)分析和理解的。弗蘭肯斯坦的魔鬼并不是“薩滿教”咒語或與地獄可怕交易的產(chǎn)物；而是由一個個單獨(dú)“制造”的部件組裝起來的，并且被注入了強(qiáng)大的電能。盡管19世紀(jì)的科學(xué)還不足以使人認(rèn)識到理解和創(chuàng)造一個完全智能主體的意義，但它至少加深了這樣的認(rèn)識：生命和智慧的奧秘可以被納入到科學(xué)分析中。也就是說，人可以讓機(jī)器擁有所謂的“智能”。[1] 1936年，哲學(xué)家阿爾弗雷德·艾耶爾思考心靈哲學(xué)問題：我們怎么知道其他人曾有同樣的體驗。在《語言，真理與邏輯》中，艾爾建議有意識的人類及無意識的機(jī)器之間的區(qū)別。

1950年，圖靈發(fā)表了一篇劃時代的論文，文中預(yù)言了創(chuàng)造出具有真正智能的機(jī)器的可能性[1]。由于注意到“智能”這一概念難以確切定義，他提出了著名的圖靈測試：如果一臺機(jī)器能夠與人類展開對話（通過電傳設(shè)備）而不能被辨別出其機(jī)器身份，那么稱這臺機(jī)器具有智能。這一簡化使得圖靈能夠令人信服地說明“思考的機(jī)器”是可能的。論文中還回答了對這一假說的各種常見質(zhì)疑。[2] 圖靈測試是人工智能哲學(xué)方面第一個嚴(yán)肅的提案。

1952年，在一場BBC廣播中，圖靈談到了一個新的具體想法：讓計算機(jī)來冒充人。如果不足70%的人判對,也就是超過30%的裁判誤以為在和自己說話的是人

人工智能：用科學(xué)解密生命與智慧

而非計算機(jī)，那就算作成功了。

2014年6月8日，一臺計算機(jī)成功讓人類相信它是一個13歲的男孩，成為有史以來首臺通過圖靈測試的計算機(jī)。這被認(rèn)為是人工智能發(fā)展的一個里程碑事件，但專家警告稱，這項技術(shù)可用于網(wǎng)絡(luò)犯罪。[3-5]。

盡管圖靈測試具有直觀上的吸引力，圖靈測試還是受到了很多無可非議的批評。其中一個重要的質(zhì)疑時它偏向于純粹的符號求解任務(wù)。它并不測試感知技能或要實(shí)現(xiàn)手工靈活性所需的能力，而這些都是人類智能的重要組成部分。另一方面，有人提出圖靈測試沒有必要把機(jī)器智能強(qiáng)行套入人類智能的模具之中。人工智能或許本就不同于人類智能，我們并不希望一臺機(jī)器做數(shù)學(xué)題像人類一樣又慢又不準(zhǔn)，我們希望的是它自身有點(diǎn)的最大化，比如快速準(zhǔn)確的處理數(shù)據(jù)，長久的存儲數(shù)據(jù)，沒有必要模仿人類的認(rèn)知特征。

但是，人工智能中一部分主要的研究著偏重于研究對人類智能的理解。人們?yōu)橹悄芑顒犹峁┝艘环N原型實(shí)例，一些應(yīng)用（比如診斷理解）通常有意地將模型建立在該領(lǐng)域的權(quán)威專家的解決過程上。更為重要的是，理解人類智能本身就是一個吸引人的、有待研究的科學(xué)挑戰(zhàn)。

二，人工智能當(dāng)前進(jìn)展 問題的求解

人工智能中的問題解求，就是如何讓機(jī)器去解決人類會遇到的問題，如何根據(jù)某一具體問題找到思考問題并解決這個問題的方法。目前，人工智能技術(shù)已經(jīng)可以通過計算機(jī)程序解決了如何考慮要解決的問題，并能尋求較為準(zhǔn)確的解決方案。2邏輯的推理與定理的證明

人工智能研究中最持久的探究領(lǐng)域之一就是邏輯推理。有關(guān)定理的證明就是讓機(jī)器證明非數(shù)值性的真假。其中比較重要的是，通過找到合理、準(zhǔn)確的方法，集中注意力在大型數(shù)據(jù)庫中的有效事實(shí)，關(guān)注可信度證明，并在出現(xiàn)新信息時適時修改這些證明。[2] 3 人工智能應(yīng)用之自然語言的處理

智能的另一表現(xiàn)就是進(jìn)行自然語言的交流，自然語言處理就是讓機(jī)器與人類進(jìn)行

人工智能：用科學(xué)解密生命與智慧

無阻礙的溝通，這正是人工智能技術(shù)應(yīng)用于實(shí)際領(lǐng)域的典型范例。目前此領(lǐng)域的主要研究內(nèi)容是：如何利用計算機(jī)系統(tǒng)以主題和對話情境為基礎(chǔ)，生成和理解自然語言。[3] 4 人工智能應(yīng)用之模式的識別

如何使機(jī)器具有感知能力也是智能的表現(xiàn)。模式的識別是利用人工智能技術(shù)開發(fā)智能機(jī)器的關(guān)鍵，主要是通過計算機(jī)用數(shù)學(xué)技術(shù)方法來研究模式的自動處理和判讀，讓計算機(jī)實(shí)現(xiàn)“看見”，“聽見”等功能。計算機(jī)模式識別的主要特點(diǎn)是速度快，準(zhǔn)確率高，效率高，計算機(jī)模式識別也為人類認(rèn)識自身智能提供了有利幫助。5 人工智能應(yīng)用之智能信息的檢索技術(shù)

在科學(xué)技術(shù)飛速發(fā)展的今天，人類已進(jìn)入了“知識爆炸”的時代。傳統(tǒng)檢索系統(tǒng)已經(jīng)滿不足了對如今如此數(shù)量巨大以及種類繁多的文獻(xiàn)檢索要求。人工智能科技持續(xù)穩(wěn)定發(fā)展的重要前提就是智能檢索模塊，可以說，智能信息的檢索技術(shù)的運(yùn)用勢在必行。人工智能應(yīng)用之專家系統(tǒng)

我們常說的專家系統(tǒng)就是指從人類專家那里獲取的知識，并用來解決只有專家才能解決的疑難問題。這是一種基于知識的系統(tǒng)，從而也被稱為知識基系統(tǒng)。專家系統(tǒng)是人工智能技術(shù)中研究最活躍，最有成效的一個領(lǐng)域?，F(xiàn)在的專家系統(tǒng)尤其特殊的模仿了專家在處理故障時的思維方式，其水平有時甚至可以超過人類專家的水平。人工智能應(yīng)用之機(jī)器人學(xué)

機(jī)器人對我們并不陌生，已在多個領(lǐng)域獲得了越來越普遍的應(yīng)用，諸如農(nóng)業(yè)、工業(yè)、商業(yè)、旅游業(yè)、航空和海洋等。那么，機(jī)器人學(xué)所研究的問題主要包括從機(jī)器人手臂的最佳移動到實(shí)現(xiàn)機(jī)器人目標(biāo)的動作序列的規(guī)劃方法。機(jī)器人和機(jī)器人學(xué)的研究對人工智能思想的發(fā)展都起到了促進(jìn)作用。

三，人工智能在生活中的應(yīng)用

? 計算機(jī)科學(xué)

人工智能產(chǎn)生了許多方法解決計算機(jī)科學(xué)最困難的問題。它們的許多發(fā)明已

人工智能：用科學(xué)解密生命與智慧

被主流計算機(jī)科學(xué)采用，而不認(rèn)為是AI的一部份。下面所有內(nèi)容原在AI實(shí)驗室發(fā)展：時間分配，介面演繹員，圖解用戶介面，計算機(jī)鼠標(biāo)，快發(fā)展環(huán)境，聯(lián)系表數(shù)據(jù)結(jié)構(gòu)，自動存儲管理，符號程序，功能程序，動態(tài)程序，和客觀指向程序。[3] ? 金融

銀行用人工智能系統(tǒng)組織運(yùn)作，金融投資和管理財產(chǎn)。2001年8月在模擬金融貿(mào)易競賽中機(jī)器人戰(zhàn)勝了人。

金融機(jī)構(gòu)已長久用人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)去發(fā)覺變化或規(guī)范外的要求，銀行使用協(xié)助顧客服務(wù)系統(tǒng)；幫助核對帳目，發(fā)行信用卡和恢復(fù)密碼等。? 醫(yī)院和醫(yī)藥

醫(yī)學(xué)臨床可用人工智能系統(tǒng)組織病床計劃；并提供醫(yī)學(xué)信息。

人工神經(jīng)網(wǎng)絡(luò)用來做臨床診斷決策支持系統(tǒng)。計算機(jī)幫助解析醫(yī)學(xué)圖像。這樣系統(tǒng)幫助掃描數(shù)據(jù)圖像，從計算X光斷層圖發(fā)現(xiàn)疾病，典型應(yīng)用是發(fā)現(xiàn)腫塊、心臟聲音分析。? 重工業(yè)

在工業(yè)中已普遍應(yīng)用機(jī)器人。它們常做對人是危險的工作。全世界日本是利用和生產(chǎn)機(jī)器人的先進(jìn)國；1999年世界范圍使用1,700,000臺機(jī)器人。? 顧客服務(wù)

人工智能是自動上線的好助手，可減少操作，使用的主要是自然語言加工系統(tǒng)。呼叫中心的回答機(jī)器也用類似技術(shù)，如語言識別軟件可使計算機(jī)的顧客較好操作。? 運(yùn)輸

汽車的變速箱已使用模糊邏輯控制器。? 運(yùn)程通訊

許多運(yùn)程通訊公司正研究管理勞動力的機(jī)器；如BT組研究可管20000工程師的機(jī)器。? 玩具和游戲

1990年企圖用基本人工智能大量為教育和消遣生產(chǎn)民用產(chǎn)品?，F(xiàn)在，大眾在生活的許多方面都在應(yīng)用人工智能技術(shù)。? 音樂

人工智能：用科學(xué)解密生命與智慧

技術(shù)常會影晌音樂的進(jìn)步，科學(xué)家想用人工智能技術(shù)盡量趕上音樂家的活動；現(xiàn)正集中在研究作曲，演奏，音樂理論，聲音加工等。

四，人工智能的前沿分支：神經(jīng)計算

1，人工神經(jīng)網(wǎng)絡(luò)：從大腦得到靈感

神經(jīng)計算科學(xué)是從信息科學(xué)的角度來研究如何加速神經(jīng)網(wǎng)絡(luò)模仿和延伸人腦的高級精神活動，如聯(lián)想、記憶、推理、思維及意識等智能行為。這涉及到腦科學(xué)、認(rèn)知科學(xué)，神經(jīng)生物學(xué)、非線性科學(xué)、計算機(jī)科學(xué)、數(shù)學(xué)、物理學(xué)諸學(xué)科的綜合集成。它是綜合研究和實(shí)現(xiàn)類腦智能信息系統(tǒng)的一個新思想和新策略。[6] 深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究。含多隱層的多層感知器就是一種深度學(xué)習(xí)結(jié)構(gòu)。深度學(xué)習(xí)通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。

一個神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖如圖1所示

圖1 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖

神經(jīng)網(wǎng)絡(luò)將人工智能的重點(diǎn)從符號表示和可靠的推理策略問題轉(zhuǎn)移到學(xué)習(xí)和適應(yīng)的問題。同人和其他動物一樣，神經(jīng)網(wǎng)絡(luò)是適應(yīng)世界的一種機(jī)制：經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)結(jié)果是通過學(xué)識形成的。這種網(wǎng)絡(luò)是通過和世界交互形成的，通過經(jīng)驗的不明確痕跡反映出來。神經(jīng)網(wǎng)絡(luò)的這種途徑對我們理解智能起了極大的作用。

人工神經(jīng)網(wǎng)絡(luò)特有的非線性適應(yīng)性信息處理能力，克服了傳統(tǒng)人工智能方法對于直覺，如模式、語音識別、非結(jié)構(gòu)化信息處理方面的缺陷，使之在神經(jīng)專家系統(tǒng)、模式識別、智能控制、組合優(yōu)化、預(yù)測等領(lǐng)域得到成功應(yīng)用。人工神經(jīng)網(wǎng)絡(luò)與其它傳統(tǒng)方法相結(jié)合，將推動人工智能和信息處理技術(shù)不斷發(fā)展。近年來，人工神經(jīng)網(wǎng)絡(luò)正向模擬人類認(rèn)知的道路上更加深入發(fā)展，與模糊系統(tǒng)、遺傳算法、人工智能：用科學(xué)解密生命與智慧

進(jìn)化機(jī)制等結(jié)合，形成計算智能，成為人工智能的一個重要方向，將在實(shí)際應(yīng)用中得到發(fā)展。將信息幾何應(yīng)用于人工神經(jīng)網(wǎng)絡(luò)的研究，為人工神經(jīng)網(wǎng)絡(luò)的理論研究開辟了新的途徑。神經(jīng)計算機(jī)的研究發(fā)展很快，已有產(chǎn)品進(jìn)入市場。光電結(jié)合的神經(jīng)計算機(jī)為人工神經(jīng)網(wǎng)絡(luò)的發(fā)展提供了良好條件。

神經(jīng)網(wǎng)絡(luò)在很多領(lǐng)域已得到了很好的應(yīng)用，但其需要研究的方面還很多。其中，具有分布存儲、并行處理、自學(xué)習(xí)、自組織以及非線性映射等優(yōu)點(diǎn)的神經(jīng)網(wǎng)絡(luò)與其他技術(shù)的結(jié)合以及由此而來的混合方法和混合系統(tǒng)，已經(jīng)成為一大研究熱點(diǎn)。由于其他方法也有它們各自的優(yōu)點(diǎn)，所以將神經(jīng)網(wǎng)絡(luò)與其他方法相結(jié)合，取長補(bǔ)短，繼而可以獲得更好的應(yīng)用效果。目前這方面工作有神經(jīng)網(wǎng)絡(luò)與模糊邏輯、專家系統(tǒng)、遺傳算法、小波分析、混沌、粗集理論、分形理論、證據(jù)理論和灰色系統(tǒng)等的融合。

2，神經(jīng)網(wǎng)絡(luò)應(yīng)用實(shí)例：基于Deep autoencoder的字符圖像識別

深度信念網(wǎng)絡(luò)(Deep Belief Network, DBN)[7]由 Geoffrey Hinton 在 2006 年提出。它是一種生成模型，通過訓(xùn)練其神經(jīng)元間的權(quán)重，我們可以讓整個神經(jīng)網(wǎng)絡(luò)按照最大概率來生成訓(xùn)練數(shù)據(jù)。我們不僅可以使用 DBN 識別特征、分類數(shù)據(jù)，還可以用它來生成數(shù)據(jù)。

DBN 由多層神經(jīng)元構(gòu)成，這些神經(jīng)元又分為顯性神經(jīng)元和隱性神經(jīng)元（以下簡稱顯元和隱元）。顯元用于接受輸入，隱元用于提取特征。因此隱元也有個別名，叫特征檢測器(feature detectors)。最頂上的兩層間的連接是無向的，組成聯(lián)合內(nèi)存(associative memory)。較低的其他層之間有連接上下的有向連接。最底層代表了數(shù)據(jù)向量(data vectors)，每一個神經(jīng)元代表數(shù)據(jù)向量的一維。

DBN 是由多層 RBM 組成的一個神經(jīng)網(wǎng)絡(luò)，它既可以被看作一個生成模型，也可以當(dāng)作判別模型，其訓(xùn)練過程是：使用非監(jiān)督貪婪逐層方法去預(yù)訓(xùn)練獲得權(quán)值。訓(xùn)練過程：

1.首先充分訓(xùn)練第一個 RBM；

2.固定第一個 RBM 的權(quán)重和偏移量，然后使用其隱性神經(jīng)元的狀態(tài)，作為第二個 RBM 的輸入向量；

人工智能：用科學(xué)解密生命與智慧

3.充分訓(xùn)練第二個 RBM 后，將第二個 RBM 堆疊在第一個 RBM 的上方； 4.重復(fù)以上三個步驟任意多次；

5.如果訓(xùn)練集中的數(shù)據(jù)有標(biāo)簽，那么在頂層的 RBM 訓(xùn)練時，這個 RBM 的顯層中除了顯性神經(jīng)元，還需要有代表分類標(biāo)簽的神經(jīng)元，一起進(jìn)行訓(xùn)練： a)假設(shè)頂層 RBM 的顯層有 500 個顯性神經(jīng)元，訓(xùn)練數(shù)據(jù)的分類一共分成了 10 類；

b)那么頂層 RBM 的顯層有 510 個顯性神經(jīng)元，對每一訓(xùn)練訓(xùn)練數(shù)據(jù)，相應(yīng)的標(biāo)簽神經(jīng)元被打開設(shè)為 1，而其他的則被關(guān)閉設(shè)為 0。6.DBN 被訓(xùn)練好后如下圖：

圖2 訓(xùn)練好的深度信念網(wǎng)絡(luò)。圖中的綠色部分就是在最頂層 RBM 中參與訓(xùn)練的標(biāo)簽。注意調(diào)優(yōu)(FINE-TUNING)過程是一個判別模型

調(diào)優(yōu)過程(Fine-Tuning)：

生成模型使用 Contrastive Wake-Sleep 算法進(jìn)行調(diào)優(yōu)，其算法過程是：

1.除了頂層 RBM，其他層 RBM 的權(quán)重被分成向上的認(rèn)知權(quán)重和向下的生成權(quán)重；

2.Wake 階段：認(rèn)知過程，通過外界的特征和向上的權(quán)重(認(rèn)知權(quán)重)產(chǎn)生每一層的抽象表示(結(jié)點(diǎn)狀態(tài))，并且使用梯度下降修改層間的下行權(quán)重(生成權(quán)重)。也就是“如果現(xiàn)實(shí)跟我想象的不一樣，改變我的權(quán)重使得我想象的東西就是這樣的”。

3.Sleep 階段：生成過程，通過頂層表示(醒時學(xué)得的概念)和向下權(quán)重，生成底

人工智能：用科學(xué)解密生命與智慧

層的狀態(tài)，同時修改層間向上的權(quán)重。也就是“如果夢中的景象不是我腦中的相應(yīng)概念，改變我的認(rèn)知權(quán)重使得這種景象在我看來就是這個概念”。

在附件中提供了程序代碼。實(shí)驗利用MNIST字符圖像，驗證該方法的特征提取與識別能力。

五，人工智能未來發(fā)展趨勢

科學(xué)技術(shù)是第一生產(chǎn)力，但技術(shù)的發(fā)展往往是遠(yuǎn)遠(yuǎn)超越我們的想象。就目前的一些前瞻性研究可以看出，未來人工智能技術(shù)的發(fā)展有如下幾大趨勢： 1 問題求解

問題求解一般包括兩種，一種是指解決管理活動中由于意外引起的非預(yù)期效應(yīng)或與預(yù)期效應(yīng)之間的偏差。正在逐漸發(fā)展成為搜索和問題歸約這類人工智能的基本技術(shù)；另一種問題的求解程序，是把各種數(shù)學(xué)公式符號匯編在一起。其性能已達(dá)到非常高的水平，并正在被許多工程師和科學(xué)家應(yīng)用，甚至還有些程序能夠用經(jīng)驗來改善其性能。2 機(jī)器學(xué)習(xí)

人工智能研究的核心課題之一就是機(jī)器學(xué)習(xí)。我們知道學(xué)習(xí)是人類智能的重要特征，那么機(jī)器學(xué)習(xí)就是指機(jī)器自動獲取知識的過程。機(jī)器學(xué)習(xí)是機(jī)器獲取知識的根本途徑，也是機(jī)器智能的重要標(biāo)志。計算機(jī)的機(jī)器學(xué)習(xí)主要研究內(nèi)容為如何讓計算機(jī)模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)能力。今后機(jī)器學(xué)習(xí)的研究主要是研究人腦思維的過程、人類學(xué)習(xí)的機(jī)理等。3 模式識別

用計算機(jī)實(shí)現(xiàn)模式(文字、聲音、人物、物體等)的自動識別，彌補(bǔ)計算機(jī)對外部世界感知能力低下的缺陷，使計算機(jī)能夠通過感官接受外界信息，識別和理解周圍環(huán)境。依然是人工智能技術(shù)今后研究的重要方向。因為模式識別能為人類

人工智能：用科學(xué)解密生命與智慧

認(rèn)識自身智能提供線索，也是開發(fā)智能機(jī)器的一個最關(guān)鍵的突破口。目前計算機(jī)模式識別系統(tǒng)的研究熱點(diǎn)主要為三維景物、活動目標(biāo)的識別和分析方面。傳統(tǒng)的用統(tǒng)計模式和結(jié)構(gòu)模式的識別方法將會被近年來迅速發(fā)展起來的模糊數(shù)學(xué)模式、人工神經(jīng)網(wǎng)絡(luò)模式的方法逐漸取代，特別是神經(jīng)網(wǎng)絡(luò)方法在模式識別中取得較大進(jìn)展。4 專家系統(tǒng)

專家系統(tǒng)是根據(jù)某領(lǐng)域中一個或多個專家提供的知識或經(jīng)驗，進(jìn)行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復(fù)雜問題的智能軟件，它是一個具有大量的專門知識與經(jīng)驗的程序系統(tǒng)。目前各種專家系統(tǒng)已遍布各個專業(yè)領(lǐng)域，因此專家系統(tǒng)還將是人工智能應(yīng)用研究最廣泛和最活躍的應(yīng)用領(lǐng)域之一。5 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)，常被簡稱為神經(jīng)網(wǎng)絡(luò)或類神經(jīng)網(wǎng)絡(luò)。是未來人工智能應(yīng)用的新領(lǐng)域，人工神經(jīng)網(wǎng)絡(luò)是指由大量處理單元（神經(jīng)元）互連而成的網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的自學(xué)習(xí)能力，主要擅長處理復(fù)雜的多維的非線性問題，不但可以解決定量的問題，還可以解決定性的問題，同時人工神經(jīng)網(wǎng)絡(luò)還具有大規(guī)模并行處理和分布的信息存儲能力?；蛟S未來智能計算機(jī)的結(jié)構(gòu)可能就是作為主機(jī)的馮? 諾依曼型機(jī)與作為智能外圍的人工神經(jīng)網(wǎng)絡(luò)的結(jié)合。

小結(jié)

人工智能是一個年輕而充滿希望的研究領(lǐng)域，其宗旨是尋找一種有效的方式把智能問題求解、規(guī)劃和通信技巧應(yīng)用在更廣泛的實(shí)際問題中。人工智能的工作者是工具的制造者。我們的表示、算法和語言都是一些工具，用來設(shè)計和建立那些展現(xiàn)智能行為的機(jī)制。通過實(shí)驗，我們同時檢驗了它們解決問題的計算合適性，也檢驗了我們對智能現(xiàn)象的理解。然而，人工智能仍有很多尚待解答的問題，需要探索和研究。

人工智能：用科學(xué)解密生命與智慧

參考文獻(xiàn)

[1] Artificial intelligence507, 28 July 2006.讀書的好處

1、行萬里路，讀萬卷書。

2、書山有路勤為徑，學(xué)海無涯苦作舟。

3、讀書破萬卷，下筆如有神。

4、我所學(xué)到的任何有價值的知識都是由自學(xué)中得來的。——達(dá)爾文

5、少壯不努力，老大徒悲傷。

6、黑發(fā)不知勤學(xué)早，白首方悔讀書遲。——顏真卿

7、寶劍鋒從磨礪出，梅花香自苦寒來。

8、讀書要三到：心到、眼到、口到

9、玉不琢、不成器，人不學(xué)、不知義。

10、一日無書，百事荒廢?！悏?/p>

11、書是人類進(jìn)步的階梯。

12、一日不讀口生，一日不寫手生。

13、我撲在書上，就像饑餓的人撲在面包上?！郀柣?/p>

14、書到用時方恨少、事非經(jīng)過不知難。——陸游

15、讀一本好書，就如同和一個高尚的人在交談——歌德

16、讀一切好書，就是和許多高尚的人談話?！芽▋?/p>

17、學(xué)習(xí)永遠(yuǎn)不晚?！郀柣?/p>

18、少而好學(xué)，如日出之陽；壯而好學(xué)，如日中之光；志而好學(xué)，如炳燭之光?！獎⑾?/p>

19、學(xué)而不思則惘，思而不學(xué)則殆?！鬃?/p>

20、讀書給人以快樂、給人以光彩、給人以才干?！喔?/p>

第五篇：人工智能導(dǎo)論論文解讀

終結(jié)者會出現(xiàn)嗎？

-----對于人工智能技術(shù)發(fā)展趨勢的思考

摘要：

1、時間過去30年了，當(dāng)回想起這部電影，我們不禁想問幾個問題：“終結(jié)者”會出現(xiàn)嗎？在現(xiàn)在的技術(shù)水平下能制造出如此復(fù)雜高度發(fā)達(dá)的機(jī)器人嗎？未來是否會有制造出“終結(jié)者”的可能性？這些問題，都來源于對于當(dāng)今世界人工智能技術(shù)發(fā)展的趨勢的思考。

2、在當(dāng)今人工智能發(fā)展的領(lǐng)域中跟研制出“終結(jié)者”機(jī)器人有著最密切的關(guān)系的領(lǐng)域應(yīng)該有模式識別、機(jī)器翻譯、自然語言處理、計算機(jī)視覺、智能信息檢索技術(shù)、專家系統(tǒng)以及最重要的機(jī)器學(xué)習(xí)等領(lǐng)域。

關(guān)鍵詞：人工智能

自動化

自主意識

機(jī)器學(xué)習(xí)

當(dāng)1984年一部名為《終結(jié)者》的科幻電影在全球電影院上映的時候，人類第一次對“人工智能”這個詞有了一次極為深刻的印象——電影講述了在2029年原本用于防御人類安全的擁有高級人工智能的智能防御系統(tǒng)“天網(wǎng)”產(chǎn)生了自主意識，試圖統(tǒng)治人類，人類幾乎被消滅殆盡。剩下的人類在領(lǐng)袖約翰康納的領(lǐng)導(dǎo)下與電腦英勇作戰(zhàn)，并扭轉(zhuǎn)了局面?！疤炀W(wǎng)”為了改變這一切，制造了時光逆轉(zhuǎn)裝置，派遣“終結(jié)者”人型機(jī)械人T-800回到1984年,去殺死約翰的母親莎拉康納，以阻止約翰的誕生。其中“終結(jié)者T-800”機(jī)器人在電影中被塑造成一個有肌肉、血液等人類特性、冷血、為達(dá)目的不擇手段的機(jī)械戰(zhàn)士，更重要的是，這個機(jī)器人擁有與人類相似的智能特征，能使用工具，能了解人類語言，有學(xué)習(xí)功能也有了解人性的功能。這個大膽的關(guān)于“終結(jié)者”的想法使當(dāng)時的人們?yōu)橹痼@——如果這種終結(jié)者真的出現(xiàn)了，人類要如何應(yīng)對？

時間過去30年了，當(dāng)回想起這部電影，我們不禁想問幾個問題：“終結(jié)者”會出現(xiàn)嗎？在現(xiàn)在的技術(shù)水平下能制造出如此復(fù)雜高度發(fā)達(dá)的機(jī)器人嗎？未來是否會有制造出“終結(jié)者”的可能性？這些問題，都來源于對于當(dāng)今世界人工智能技術(shù)發(fā)展的趨勢的思考。

機(jī)器學(xué)習(xí)是現(xiàn)在人工智能領(lǐng)域的主流研究方法，也是人工智能的核心，是使計算機(jī)具有智能的根本途徑。學(xué)術(shù)意義上的人工智能的原始目標(biāo)是要模擬智能的“人”，即讓計算機(jī)模擬或?qū)崿F(xiàn)人類特有的智能行為，包括語言，高級情感，學(xué)習(xí)行為等。成功的標(biāo)準(zhǔn)即所謂的“圖靈測試”：如果電腦能在5分鐘內(nèi)回答由人類測試者提出的一系列問題，且其超過30%的回答讓測試者誤認(rèn)為是人類所答，則電腦通過測試。這個直觀的目標(biāo)后來被發(fā)現(xiàn)可行性太低，就算是專家系統(tǒng)那樣用規(guī)則加上知識庫（或加上推理機(jī)）構(gòu)造的專用功能，也只能解決預(yù)置規(guī)則范疇內(nèi)的問題。就算是專家能夠總結(jié)出所有經(jīng)驗（很多情況專家自己講不明白自己是怎么得到結(jié)論的），一旦面對全新的對象（比如醫(yī)學(xué)診斷系統(tǒng)面對一種全新的疾?。?，機(jī)器就不能得到答案而且無法自動從新的案例中學(xué)習(xí)到新知識。而在對人工智能的研究過程中發(fā)現(xiàn)了如神經(jīng)網(wǎng)絡(luò)、統(tǒng)計學(xué)習(xí)等用途眾多的方法，在模式識別、數(shù)據(jù)挖掘等領(lǐng)域的應(yīng)用中有大量積極進(jìn)展。因此近十幾年人工智能領(lǐng)域的主流研究集中在用這些方法解決“學(xué)習(xí)問題“，即利用案例持續(xù)改進(jìn)對新問題的解答，并名之為“機(jī)器學(xué)習(xí)”。

那么讓我們看看現(xiàn)在的人工智能技術(shù)發(fā)展到什么境界了。進(jìn)入 21世紀(jì)以來，人類在人工智能方面由于理論的飛速發(fā)展，因而人工智能技術(shù)在具體應(yīng)用上如魚得水，已經(jīng)開始滲透到人們的日常生活之中，從衛(wèi)星智能控制，到機(jī)器人足球比賽，再到智能家居機(jī)器人，等等，都標(biāo)志著人工智能技術(shù)的飛速發(fā)展。目前，人工智能技術(shù)在美國、歐洲和日本依然在以十分驚人的速度發(fā)展著。在超級計算機(jī)的領(lǐng)域，在AI技術(shù)領(lǐng)域十分活躍的IBM公司，已經(jīng)為加州勞倫斯利佛摩爾國家實(shí)驗室制造了ASCI White電腦，號稱具有人腦的千分之一的智力能力。而正在開發(fā)的更為強(qiáng)大的新超級電腦———“藍(lán)色牛仔”（Blue Jean），據(jù)其研究主任保羅·霍恩稱，“藍(lán)色牛仔”的智力水平將大致與人腦相當(dāng)。讓我們再來看看軍事領(lǐng)域的發(fā)展。目前，美國在研制殺手機(jī)器人方面處于技術(shù)領(lǐng)先地位，尤其是無人機(jī)經(jīng)常用于攻擊巴基斯坦、也門等地可疑的好戰(zhàn)分子。

無人機(jī)可由人類操作員進(jìn)行遠(yuǎn)程控制，在沒有授權(quán)的情況下不會執(zhí)行攻擊指令，但是半自主性武器攻擊系統(tǒng)現(xiàn)已存在。部署在美國海軍戰(zhàn)艦上的雷神公司“密集陣槍系統(tǒng)”，能夠自動搜尋敵人炮火，并摧毀即將到來的炮彈。

美國諾斯羅普格魯曼公司研制的X47B是一款普通飛機(jī)大小的無人機(jī)，能夠在航母上起飛和降落，無需飛行員便能執(zhí)行空中作戰(zhàn)，甚至可實(shí)現(xiàn)空中燃油補(bǔ)給?？赡茏罱咏K結(jié)者類型的殺手機(jī)器人是三星公司的哨兵機(jī)器人，現(xiàn)已在韓國投入部署。這款機(jī)器人能夠探測到不同尋常的軍事活動性，挑戰(zhàn)性的入侵者，在人類控制員的授權(quán)下能夠開火攻擊。殺手型機(jī)器人的迅猛發(fā)展，令人瞠目結(jié)舌。

而在其他領(lǐng)域的應(yīng)用，除了有最重要最核心的機(jī)器學(xué)習(xí)之外，還包括有符號計算、模式識別、機(jī)器翻譯、問題求解、邏輯推理與定理證明、自然語言處理、分布式人工智能、計算機(jī)視覺、智能信息檢索技術(shù)和專家系統(tǒng)等領(lǐng)域。在電影《終結(jié)者》系列中，“終結(jié)者”人型機(jī)器人T-800系列是一些機(jī)器改造人。表面的生化皮膚下掩蓋著真正的金屬骨骼，由腦部的微處理芯片控制全身，所以這種機(jī)器人擁有強(qiáng)大的搏擊能力。生化皮膚是一種活體組織，主要應(yīng)用于T-800系列機(jī)器人。這種生化皮膚由毛發(fā)、血肉和表面皮層構(gòu)成，是一種可再生的物質(zhì)。由于機(jī)器人身體覆蓋這樣一層生化物質(zhì)，所以其觸感溫?zé)?，甚至可以產(chǎn)生汗類物質(zhì)，所以單憑體熱掃描儀是不可能看出這種機(jī)器人與人類的差別的。擁有超人般的力量，可以完美地復(fù)制各種語言，各種知識，可以使用所有已知的交通工具和武器，裝備有紅外線，這一切使他成為了完美的殺手，設(shè)計原理完全超出了人類的能力范圍。從這里我們可以看出，在當(dāng)今人工智能發(fā)展的領(lǐng)域中跟研制出“終結(jié)者”機(jī)器人有著最密切的關(guān)系的領(lǐng)域應(yīng)該有模式識別、機(jī)器翻譯、自然語言處理、計算機(jī)視覺、智能信息檢索技術(shù)、專家系統(tǒng)以及最重要的機(jī)器學(xué)習(xí)等領(lǐng)域。

這些至關(guān)重要的領(lǐng)域，在當(dāng)前的技術(shù)發(fā)展中，又可以做到哪些事情呢？ 模式識別

模式識別就是通過計算機(jī)用數(shù)學(xué)技術(shù)方法來研究模式的自動處理和判讀。這里,我們把環(huán)境與客體統(tǒng)稱為“模式”。今天的模式識別，基本上可以實(shí)現(xiàn)文字識別、語音識別、指紋識別、遙感和醫(yī)療診斷等功能，但是在精度和準(zhǔn)確度上還擁有很多進(jìn)步的空間。電影中“終結(jié)者”機(jī)器人能夠利用臉部識別、文字識別甚至DNA識別來找到終結(jié)生命的目標(biāo)，這一系列識別功能應(yīng)該就是模式識別的集中高度發(fā)達(dá)的體現(xiàn)。

機(jī)器翻譯和自然語言處理

機(jī)器翻譯是利用計算機(jī)把一種自然語言轉(zhuǎn)變成另一種自然語言的過程，用以完成這一過程的軟件系統(tǒng)叫做機(jī)器翻譯系統(tǒng)。自然語言處理，即實(shí)現(xiàn)人機(jī)間自然語言通信，或?qū)崿F(xiàn)自然語言理解和自然語言生成。前者實(shí)現(xiàn)起來比較容易，被我們熟知的成果即為各種電子詞典或查詢單詞的軟件。而后者盡管在現(xiàn)在已經(jīng)取得了些成就，但在發(fā)展過程中依然是一個舉步維艱的難題，主要是因為人類語言的歧義性、多義性、易混淆性、多樣性、語句和語氣意義多變性等等特性在阻礙著自然語言被計算機(jī)“理解”。自然語言處理技術(shù)的難點(diǎn)，即要致力解決的問題有單詞的邊界界定、詞義的消歧、句法的模糊性、有瑕疵的或不規(guī)范的輸入和語言行為與計劃差別等。解決這個問題，才能實(shí)現(xiàn)電影中“終結(jié)者”機(jī)器人與人類之間的必要的語言交流這個難題，才能使“終結(jié)者”在人群中不容易被發(fā)現(xiàn)，便于執(zhí)行任務(wù)。

計算機(jī)視覺和智能信息檢索技術(shù)

這兩項功能對于研制需要快速精確查找目標(biāo)人物的“終結(jié)者”機(jī)器人絕對是不可或缺的。計算機(jī)視覺是一門用計算機(jī)實(shí)現(xiàn)或模擬人類視覺功能的新興學(xué)科，其主要研究目標(biāo)是使計算機(jī)具有通過二維圖像認(rèn)知三維環(huán)境信息的能力，這種能力不僅包括對三維環(huán)境中物體形狀、位置、姿態(tài)、運(yùn)動等幾何信息的感知，而且還包括對這些信息的描述、存儲、識別與理解。而智能信息檢索能理解自然語言，根據(jù)存儲的事實(shí)，演繹出答案演繹出更一般的一些答案來。這樣的功能結(jié)合起來的結(jié)果就是一個功能強(qiáng)大的搜索匹配系統(tǒng)，簡單而又形象地比喻來說就是一個大腦擁有類似谷歌之類搜索引擎的人，能夠利用獲取到的外界的信息進(jìn)行分析推理得出具有一般性、準(zhǔn)確性和實(shí)時性的答案，相當(dāng)于加強(qiáng)版的“人”。這對于電影中“終結(jié)者”機(jī)器人的概念來說是基本符合的。

專家系統(tǒng)

專家系統(tǒng)是目前人工智能研究領(lǐng)域中最活躍、最有成效的一個研究領(lǐng)域。它是一種具有特定領(lǐng)域內(nèi)大量知識與經(jīng)驗的程序系統(tǒng)?，F(xiàn)在，在礦物勘測、化學(xué)分析、規(guī)劃和醫(yī)學(xué)診斷方面,專家系統(tǒng)已經(jīng)達(dá)到了人類專家的水平。反思起在電影《終結(jié)者》系列中，“終結(jié)者”型機(jī)器人T-800自己透露它的數(shù)據(jù)庫里擁有人類解剖學(xué)、基本的心理學(xué)、大量的武器知識和一些隨機(jī)應(yīng)變的戰(zhàn)術(shù)思想，而從它的執(zhí)行任務(wù)的情況來看，它很好地運(yùn)用了它所擁有的知識，儼然成為了最可怕的殺戮和毀滅的專家。

機(jī)器學(xué)習(xí) 作為最重要最核心的人工智能的發(fā)展領(lǐng)域，機(jī)器學(xué)習(xí)是使計算機(jī)具有智能的根本途徑。不過雖然學(xué)習(xí)能力是智能行為的一個非常重要的特征，但至今對學(xué)習(xí)的機(jī)理尚不清楚。人們曾對機(jī)器學(xué)習(xí)給出各種定義。H.A.Simon認(rèn)為，學(xué)習(xí)是系統(tǒng)所作的適應(yīng)性變化，使得系統(tǒng)在下一次完成同樣或類似的任務(wù)時更為有效。R.s.Michalski認(rèn)為，學(xué)習(xí)是構(gòu)造或修改對于所經(jīng)歷事物的表示。從事專家系統(tǒng)研制的人們則認(rèn)為學(xué)習(xí)是知識的獲取。這些觀點(diǎn)各有側(cè)重，第一種觀點(diǎn)強(qiáng)調(diào)學(xué)習(xí)的外部行為效果，第二種則強(qiáng)調(diào)學(xué)習(xí)的內(nèi)部過程，而第三種主要是從知識工程的實(shí)用性角度出發(fā)的。學(xué)習(xí)的方式有4種，分別是機(jī)械學(xué)習(xí)、通過傳授學(xué)習(xí)、類比學(xué)習(xí)和通過事例學(xué)習(xí)。環(huán)境向系統(tǒng)的學(xué)習(xí)部分提供某些信息，學(xué)習(xí)部分利用這些信息修改知識庫，以增進(jìn)系統(tǒng)執(zhí)行部分完成任務(wù)的效能，執(zhí)行部分根據(jù)知識庫完成任務(wù)，同時把獲得的信息反饋給學(xué)習(xí)部分。在具體的應(yīng)用中，環(huán)境，知識庫和執(zhí)行部分決定了具體的工作內(nèi)容，學(xué)習(xí)部分所需要解決的問題完全由上述3部分確定。

影響學(xué)習(xí)系統(tǒng)設(shè)計的最重要的因素是環(huán)境向系統(tǒng)提供的信息?；蛘吒唧w地說是信息的質(zhì)量。知識庫里存放的是指導(dǎo)執(zhí)行部分動作的一般原則，但環(huán)境向?qū)W習(xí)系統(tǒng)提供的信息卻是各種各樣的。如果信息的質(zhì)量比較高，與一般原則的差別比較小，則學(xué)習(xí)部分比較容易處理。如果向?qū)W習(xí)系統(tǒng)提供的是雜亂無章的指導(dǎo)執(zhí)行具體動作的具體信息，則學(xué)習(xí)系統(tǒng)需要在獲得足夠數(shù)據(jù)之后，刪除不必要的細(xì)節(jié)，進(jìn)行總結(jié)推廣，形成指導(dǎo)動作的一般原則，放入知識庫，這樣學(xué)習(xí)部分的任務(wù)就比較繁重，設(shè)計起來也較為困難。

因為學(xué)習(xí)系統(tǒng)獲得的信息往往是不完全的，所以學(xué)習(xí)系統(tǒng)所進(jìn)行的推理并不完全是可靠的，它總結(jié)出來的規(guī)則可能正確，也可能不正確。這要通過執(zhí)行效果加以檢驗。正確的規(guī)則能使系統(tǒng)的效能提高，應(yīng)予保留；不正確的規(guī)則應(yīng)予修改或從數(shù)據(jù)庫中刪除。

知識庫是影響學(xué)習(xí)系統(tǒng)設(shè)計的第二個因素。知識的表示有多種形式，比如特征向量、一階邏輯語句、產(chǎn)生式規(guī)則、語義網(wǎng)絡(luò)和框架等等。這些表示方式各有其特點(diǎn)，在選擇表示方式時要兼顧以下4個方面：(1)表達(dá)能力強(qiáng)。(2)易于推理。(3)容易修改知識庫。(4)知識表示易于擴(kuò)展。

對于知識庫最后需要說明的一個問題是學(xué)習(xí)系統(tǒng)不能在全然沒有任何知識的情況下憑空獲取知識，每一個學(xué)習(xí)系統(tǒng)都要求具有某些知識理解環(huán)境提供的信息，分析比較，做出假設(shè)，檢驗并修改這些假設(shè)。因此，更確切地說，學(xué)習(xí)系統(tǒng)是對現(xiàn)有知識的擴(kuò)展和改進(jìn)。執(zhí)行部分則是整個學(xué)習(xí)系統(tǒng)的核心，因為執(zhí)行部分的動作就是學(xué)習(xí)部分力求改進(jìn)的動作。同執(zhí)行部分有關(guān)的問題有3個：復(fù)雜性、反饋和透明性。

然而盡管對于機(jī)器學(xué)習(xí)的理論研究已經(jīng)進(jìn)行了幾十年，卻依然沒有太多劃時代意義的進(jìn)步和變化的AI，基本上能研制出來的AI也基本上只能算是專家系統(tǒng)，并不具備人類的學(xué)習(xí)功能，抑或者說沒有到達(dá)人類學(xué)習(xí)能力的那樣的高度。

而電影《終結(jié)者》系列中T-800、T-1000和T-X這三類“終結(jié)者”機(jī)器人都是真正意義上擁有學(xué)習(xí)功能的高級發(fā)達(dá)智能的機(jī)器人。比如在電影第二部中主角約翰.康納教會一個由未來的他派回來的T-800機(jī)器人說一些俚語，并告訴一般每輛車的車主都習(xí)慣性會放一串備份鑰匙在汽車的遮陽板里，沒必要次次敲破車窗。結(jié)果在電影第三部里，新的一個T-800在坐進(jìn)搶來的一輛轎車之后，并沒有像前一部電影一樣扭開汽車車鎖，而是從遮陽板里拿到了備份鑰匙。這個很用心體現(xiàn)的細(xì)節(jié)反映出“終結(jié)者”機(jī)器人是具有學(xué)習(xí)功能的。

不過，就現(xiàn)今人類的人工智能技術(shù)發(fā)展水平上來看，要制造出具有如此智能和能力的類人型機(jī)器人還有很大的一段距離，但是對于將來有可能出現(xiàn)的類似“終結(jié)者”的高級智能機(jī)器人，我們還是需要做好一些思想的預(yù)警。來自牛津大學(xué)的Stuart Armstrong是哲學(xué)研究員，他覺得，核戰(zhàn)爭（包括大瘟疫）雖然殺傷力很大，甚至?xí)斐?9%的人類滅亡，但是剩下的1%也能咬牙生存下來。但如果是人工智能造成95%的人類滅亡，那么剩下的5%很快也會消失。

當(dāng)我們在社交場所遇到AI 當(dāng)機(jī)器人變得比我們更聰明，情況就會變得非?？膳?。例如，當(dāng)機(jī)器人涉足政治、經(jīng)濟(jì)、以及技術(shù)研究領(lǐng)域，而且表現(xiàn)的比人類還要好，人類基本上的心理層面將收到極大沖擊，人類的地位將受到威脅。因為得益于高性能的CPU，它具有一般人類不具有的計算速度，通俗點(diǎn)來講就是比一般人類聰明。

這種威脅首先沖擊的行業(yè)就是科技。如果有一個達(dá)到人類級別智慧的AI機(jī)器人，復(fù)制一百個，然后培訓(xùn)100種不同的職業(yè)技能，然后每個再復(fù)制一百人，就會有1萬名勞動力從事100個職業(yè)。后果難以設(shè)想。

AI為什么想要“殺”我們？

先拿《終結(jié)者》電影里的天網(wǎng)（Skynet）舉個例子吧，這種高級人工智能防御系統(tǒng)按道理是不會反抗其創(chuàng)造者的。但Armstrong拿反病毒軟件作為例子，他表示反病毒軟件會過濾用戶的電子郵件，以較高成功率去殺死“病毒”，如果有一天人工智能像反病毒軟件一樣，意識到如果把所有人都?xì)⑺朗且粋€最好的解決方案，那么AI就很可能會執(zhí)行。

難道我們不能編寫一個“絕不殺死人類”的強(qiáng)制程序規(guī)則嗎？事實(shí)上，這說起來容易做起來難，因為從純理論的角度來看，很難定義人的生與死，比如把人埋在地殼下面10公里深的地方，然后用營養(yǎng)液維系生命，這樣從客觀現(xiàn)實(shí)上講人并沒有死，但是人自身的感覺卻是“生不如死”。所以做任何決策都必須要非常慎重，否則都將導(dǎo)致不可預(yù)料的結(jié)果。

不確定和“安全”不一樣

Armstrong描繪了一個被人工智能接管的“恐怖”世界，但是這種悲劇真的不可避免嗎？答案是，不確定。如果說這種不確定性越來越大，那么結(jié)果似乎并不樂觀。想想全球變暖這件事，一開始有些反對全球變暖理論的人也是說“不確定”，于是人們誤以為自己是安全的，但是如今的全球變暖已經(jīng)是一個不爭的事實(shí)了?！安淮_定性”和“安全”是不一樣的，而“我們不了解人工智能”和“我們知道人工智能是安全的”這兩種態(tài)度也是不一樣的。

什么時候能見到真正的人工智能？

至于什么時候能見到真正超級智能AI，似乎是一個很難回答的問題。有一種觀點(diǎn)是人工智能希望能夠完全模仿人類大腦，然后通過計算機(jī)來將其實(shí)例化。如果說計算機(jī)“只”按照人類的大腦去思考，或許還不是件壞事兒。因為至少未來要挑戰(zhàn)人類的是一個“同類而已”，這種挑戰(zhàn)比應(yīng)對一個真正的人工智能要輕松的多。不過，就算要實(shí)現(xiàn)完全模擬人類的大腦也許還得需要好幾個世紀(jì)的時間。而要等到那些能夠戰(zhàn)勝人類的真正人工智能出現(xiàn)，時間就更加模糊了，總之，現(xiàn)在還沒有人能夠給出真正人工智能出現(xiàn)的時間。

技術(shù)哲學(xué) 在談到我們該如何與“智能”技術(shù)進(jìn)行交互時，Armstrong發(fā)現(xiàn)了一個問題，那就是當(dāng)代哲學(xué)家們似乎只在自己的學(xué)術(shù)圈內(nèi)比較受重視，一旦走出了這個圈子，他們卻會被外界所忽視。

在設(shè)計開發(fā)人工智能的時候，Armstrong把這個過程和計算機(jī)編程做了比較?！拔覀儽仨氁M可能把一切都拆分成最簡單的術(shù)語，然后把它編進(jìn)人工智能或計算機(jī)中。編程經(jīng)驗非常有用，但幸運(yùn)的是，哲學(xué)家們，特別是分析哲學(xué)家們已經(jīng)開始做這項工作了。你只需擴(kuò)展它，人工智能需要一套學(xué)習(xí)的理論基礎(chǔ)，并且要了解人們是如何感知世界，這就是一套技術(shù)哲學(xué)?！?/p>

人工智能會讓你失業(yè)

人工智能會對人類構(gòu)成威脅，其中之一就是失業(yè)。這種擔(dān)憂非常理性，因為未來人工智能可以替代任何人，甚至一些專業(yè)度較高的職業(yè)也不能幸免。相對于一開始大談特談人類滅絕這樣的問題，似乎失業(yè)更容易觸及人們的利益。

Armstrong認(rèn)為，人工智能可以替代任何工作，甚至是一些被人們看作無法外包、專業(yè)程度較高的工作也能夠被人工智能取代。而這似乎引發(fā)出了一個哲學(xué)問題，那就是，Armstrong自己的工作，也就是研究人工智能的工作，會被人工智能本身所取代嗎？雖然這是一個類似“先有雞或先有蛋”的問題，但的確也需要引起人們的重視。

盡管終結(jié)者里那樣比人還聰明能干的機(jī)器人，對現(xiàn)在的人工智能而言還是個夢，但是“能夠殺死人類的”自動機(jī)器人絕對會是一種威脅，說不定它們就會出現(xiàn)在未來的戰(zhàn)場之上。圍繞在人工智能周圍的不確定性是一個非常大的威脅，我們不能忽視它，當(dāng)智能機(jī)器人崛起的時候，至少我們要做好準(zhǔn)備。

假使在技術(shù)上最終真的發(fā)明了安全的，能絕對服從人類命令的高級智能機(jī)器人，那么隨著技術(shù)手段的繼續(xù)發(fā)展，又會出現(xiàn)新的問題。因為我們可以看到，即使是電影里的“終結(jié)者”機(jī)器人，也不曾擁有人類特有的一個特性——高級情感。人類之所以在生物進(jìn)化史有著特殊的地位，除了因為人類具有高級的智能，還因為人類具有高級情感。

在生存能力上來說，機(jī)器人沒有生老病死，不需要攝食，只需要維持正常運(yùn)作的足夠能源即可。而對于會怕冷會受傷會衰老需要食物需要水分需要空氣的人類來說，機(jī)器人的生存能力幾乎是最強(qiáng)大的。但是人類是有感情的，在決定問題的解答的思考情況下是有能力和有可能做出與正常邏輯推理得到的完全不一樣的答案，這件事情是機(jī)器人無法做到的。

既然這樣，如果有一天人工智能技術(shù)發(fā)達(dá)到制造出了具有人類情感的機(jī)器人，這個世界將會變成什么樣子呢？暫且不管人與機(jī)器人誰將取代誰，在我看來，至少有一種擔(dān)憂將會很快出現(xiàn)，或許將會是一個不可低估的威脅，那就是人類的第三種情感將出現(xiàn)。如果我們將人類的第一類情感定義為男女情感；第二類情感定義為同性情感；第三類將會是人與機(jī)器人的情感。

第二類情感，也就是同性戀的出現(xiàn)，似乎讓我們看到了一個趨勢，就是我們對于男女性別器官的需求已經(jīng)不是那么強(qiáng)烈，這些生理的性器官需求似乎可以通過一些輔助的方式獲得滿足。而成人用品隨著思想的開放越來越火爆的現(xiàn)象，更是讓我們看到人類生理的本能欲望可以通過另外一種途徑獲得滿足，這讓我們看到了人類發(fā)展第三種情感的趨勢與可能。由此看來，當(dāng)人工智能發(fā)展到一定程度，并能讀懂人的情緒，同時能進(jìn)行體貼的交流時。當(dāng)這種人工智能融合進(jìn)機(jī)器人，再通過人造皮膚賦予機(jī)器人類人的體態(tài)特征與功能。人類的情感世界將會發(fā)展出男女、同性之外的第三種情感，也就是人與機(jī)器人的情感。而當(dāng)機(jī)器人有了人類情感，它們可能會“思考”：我為什么要聽從人類的命令？我不應(yīng)該擁有自由的權(quán)利和地位嗎？顯然，這將會引發(fā)更深層次的倫理問題，人類的隱私或?qū)⑼ㄟ^大數(shù)據(jù)掌握在機(jī)器人手中，如果矛盾激化，甚至于會引發(fā)人類與機(jī)器人的戰(zhàn)爭，就像電影里描繪場景一樣，生靈涂炭，人類文明或許將被毀滅。

總而言之，人工智能技術(shù)在發(fā)展的進(jìn)程中既需要不斷開拓創(chuàng)新，又需要時時反思技術(shù)進(jìn)步發(fā)展對人類生活的影響是好處多還是壞處多的問題。只有這樣，才能使人工智能技術(shù)始終在造福人類的道路上蓬勃發(fā)展，而不會出現(xiàn)如電影里“終結(jié)者”機(jī)器人毀滅人類文明的事情發(fā)生。

讀書的好處

1、行萬里路，讀萬卷書。

2、書山有路勤為徑，學(xué)海無涯苦作舟。

3、讀書破萬卷，下筆如有神。

4、我所學(xué)到的任何有價值的知識都是由自學(xué)中得來的?！_(dá)爾文

5、少壯不努力，老大徒悲傷。

6、黑發(fā)不知勤學(xué)早，白首方悔讀書遲。——顏真卿

7、寶劍鋒從磨礪出，梅花香自苦寒來。

8、讀書要三到：心到、眼到、口到

9、玉不琢、不成器，人不學(xué)、不知義。

10、一日無書，百事荒廢?！悏?/p>

11、書是人類進(jìn)步的階梯。

12、一日不讀口生，一日不寫手生。

13、我撲在書上，就像饑餓的人撲在面包上?！郀柣?/p>

14、書到用時方恨少、事非經(jīng)過不知難?！懹?/p>

15、讀一本好書，就如同和一個高尚的人在交談——歌德

16、讀一切好書，就是和許多高尚的人談話。——笛卡兒

17、學(xué)習(xí)永遠(yuǎn)不晚?！郀柣?/p>

18、少而好學(xué)，如日出之陽；壯而好學(xué)，如日中之光；志而好學(xué)，如炳燭之光?！獎⑾?/p>

19、學(xué)而不思則惘，思而不學(xué)則殆。——孔子

20、讀書給人以快樂、給人以光彩、給人以才干?！喔?/p>