人工智能的方法探索
人工智能(Artifiial Intelligene简称AI)是有arthy于1956年提出,属于人类三大尖端技术之一。近十年来,人工智能取得了许多重要的成果。小到手机里的智能语音助手,再到基于物联网与大数据的智能家居,以及已经上路的自动驾驶汽车,工业生产线上的智能机器人,每秒运算万亿次以上的超级计算机等都已走入我们的生活。人工智能是关于知识的学科‐‐怎样表示知识以及怎样获取知识并使用知识的学科。【1】实现人工智能的三个核心问题在于&ldqu;怎样表示,怎样获取,怎样使用&rdqu;这也是人们对人工智能探索的核心问题所在。
1 人工智能研究的分散化
在20世纪中叶科学技术的背景下,人们发现对于智能的研究确实太过于复杂,于是人工智能技术的工作者采用分散化的方式对人工智能进行研究。人们当时主要将智能模拟研究分解为&ldqu;结构模拟&rdqu;、&ldqu;功能模拟&rdqu;、&ldqu;行为模拟&rdqu;三个分支。
1.1 基于结构模拟的神经网络研究
根据解剖学的相关成就,人们发现人脑的思维定位于大脑皮层。人的大脑皮层是由1011个神经元构成的极其复杂的一个网络,每个神经元都是一个处理单元,每个神经元有数千个与其他神经元形成的动态链接。生物系统的工本文由论文联盟收集整理作频率大约为100Hz。于是生物大脑大约有1016链接/s的速度。依靠如此复杂的神经网络系统,大脑可以充分描述外部世界,并对刺激做出响应。
起初人们尝试建立同样一个复杂的网络系统‐‐神经网络。通过众多人工的神经元单元的有序链接实现人工智能。但是后来人们发现简单的通过结构的模拟并不能实现智能。主要面对三大问题:(1)生物的大脑是在不断的变化的,伴随生物的代谢,新神经突触的建立等一系列变化,神经元的链接方式无时无刻不在发生着变化。如果只模拟结构,而不模拟出其变化的特性就很难做到智能化。(2)基于工业的发展水平,要制造出复杂程度如同生物大脑级别的网络系统存在着巨大的困难(3)如果将系统的复杂程度降低,其智能化程度又会大打折扣。所以人们便开始功能性模拟的探索。
1.2 基于功能模拟的物理符号系统
Neell和Sin提出了著名的 &ldqu;物理符号系统假设&rdqu;,认为:一个物理符号系统只要满足:(1)具有输入符号(2)具有输出符号(3)能够存储符号(4)能够复制符号(5)能够建立符号结构(6)具有条件性迁移能力,就能算作一个智能系统。他们认为:计算机跟人类大脑都满足这6个假设,他们是相互等效的两个物理符号系统。所以用计算机模拟人脑是可能的。【2】
著名的血液感染疾病诊断专家系统YIN就是基于功能模拟的物理符号系统。它是首个通过图灵测试的智能系统,具有极其深远的意义。打败国际象棋世界冠军的&ldqu;深蓝&rdqu;计算机也是基于这一系统。
但是问题在于这套系统是否真的智能还有待考究。因为目前仍没有一套有效的测试方式来判断系统是否具有真正的意识形态。换言之,疾病诊断系统是否知道自己是在做诊断,是否知道疾病的概念,在它眼中,他的诊断过程到底是疾病的诊断,再或者深蓝是否知道自己是在下象棋,这个很难表述清楚。正是由于这种自我认知的缺失,人们不得不将这套系统用于专门领域的&ldqu;专家系统&rdqu;。但是专家系统同样存在这巨大的问题。专家系统必须具有专家级的知识储备,它的知识是程序设计者从相关领域专家处获取的,那么程序设计者的主观意识以及对知识的理解不同会使得专家系统带有程序设计者的 &ldqu;情感&rdqu;,另外,专家到底能否将系统所需的知识以机器能理解的方式进行完整的表述也是问题所在。更重要的,知识是不断更新不断变化的。一台计算机如果不会学习,就不能称为具有智能的。【3】由于这诸多的限制,通过物理符号实现人工智能的途径也走到了瓶颈。
未完...点击下方链接下载完整文档