浅谈人工智能与计算机

浅谈人工智能与计算机

王晨浩

计算机1506班[1**********]7

摘 要 人工智能一直处于计算机技术的前沿，人工智能研究的理论和发现在很大程度上将决定计算机技术的发展方向. 人工智能作为计算机学科的一个分支, 有其自身的特点, 现已在社会生活各个领域都有应用, 并将有更为广阔的发展前景。

关键词人工智能 / 发展 / 应用 / 机器人 / 智能研究 / 计算机学科

1．引言

在进入了二十一世纪之后，信息科学技术的发展越来越受到人们的重视，重视程度也超越了以往的任何时候。正是因为这样，人工智能技术的发展在进入新的世纪之后也有了非常快速的进步，那么，这项技术作为一种比较高端的信息科学技术，它主要是通过借助计算机的各种功能来非常形象的模拟我们人类的思维方式和思维结果，从而使人类的各种思维活动可以在计算机的程序当中得以实现[1]。

2．人工智能的发展概述

人工智能的研究经历了以下几个阶段： 第一阶段：20世纪50年代人T 智能的兴起和冷落。人工 智能概念首次提出后，出现了一批显著的成果，如机器定理 证明、跳棋程序、LISP 表处理语言等。但由于揭发推理能力 有限，以及其翻泽失败等，使人工智能走入低谷。这一阶段 的特点是：重视问题求解的方法，忽视知识重要性。 第二阶段：20世纪60年代末到70年代，专家系统出现使 人工智能研究出现新高潮，DENDAI 。化学质谱分析系统、 MTCIN 疾病诊断和治疗系统、PROSPECTIOR 探矿系统， Hearsay-II 语言理解系统等专家系统的研究和开发，将人工 智能引向了实用化。1969年成立了国际人工智能联合会。 第三阶段：20世纪80年代，随着第五代计算机的研 制，人工智能得到了很大发展。日本1982年开始了“第五 代计算机研制计划”，即“知识信息处理计算机系统 LIPS”，其目的是使逻辑推理达到数值运算那么快。虽然 此计划最终失败，但它的开展形成了一股研究人工智能的 热潮一 第四阶段：20世纪80年代末，精神网络飞速发展。 1987年，美国召开第一次精神网络国际会议，宣告了这一 新学科的诞生。此后，各国在精神网络方面的投资逐渐增 大，精神网络迅速发展起来。 第五阶段：20世纪90年代，人工智能出现新的研究高 潮。由于网络技术特别是嗣际互联网的技术发展，人工智 能开始由单个智能主体研究转向基于网络环境下的分布式 人工智能研

究。不仅研究基于同一目标的分布式问题求 解，而目．研究多个智能主体的多目标问题求解，将人工智 能面向实用。 人工智能研究范畴有自然语言处理、知识表现、智能 搜索、推理、知识获得、组合调度问题，感知问题，模式 识别，逻辑程序设计，软计算，不精确和小确定的管理， 人工生命精神网络，复杂系统等。[2]

3．人工智能的应用领域

● 虚拟现实在问题求解中的应用

人工智能的第一大成就是下棋，在下棋程序中应用的某些技术 如向前看几步 把困难的问题分解成一些较容易的子问题 发展成为搜索和问题归纳这样的人工智能 基本技术 今天的计算机程序已能够达到下各种方盘棋和国际 象棋的锦标赛水平 但是 尚未解决包括人类棋手具有的但尚不 能明确表达的能力 如国际象棋大师们洞察棋局的能力 另一个问题是涉及问题的原概念，在人工智能中叫问题表示的选择人们常能找到某种思考问题的方法，从而使求解变为解决该问题到目前为止人工智能程序已能知道如何考虑它们要解决的问题 。

● 虚拟现实在物景分析中的应用 [3]

计算机视觉已从模式识别的一个研究领域发展为一门独立 的学科。视觉是感知问题之一。整个感知问题的要点是形成一个 精练的表示．以表示难以处理的、极其庞大的未经加工的输入数 据。最终表示的性质和质量取决于感知系统的目标。机器视觉的 前沿研究领域包括实时并行处理、主动式定性视觉、动态和时变 视觉、三维景物的建模与识别、实时图像压缩传送和复原、多光谱 和彩色图像的处理与解释等。机器视觉已在机器人装配、卫星图 像处理、工业过程监控、飞行器跟踪和制导以及电视实况转播等 领域获得极为广泛的应用。

● 虚拟现实在知识库系统中的应用 [4]

知识库系统也叫数据库系统。是储存某学科大量事实的计算 机软件系统．它们可以回答用户提出的有关该学科的各种问题。 知识库系统的设计是计算机科学的一个活跃的分支。为了有效地 表示、储存和检索大量事实，已经发展了许多技术。但是在设计智 能信息检索系统时还是遇到很多问题。包括对自然语言的理解： 根据储存的事实演绎答案的问题、理解询问和演绎答案所需要的 知识都可能超出该学科领域数据库所表示的知识。

● 虚拟现实在专家系统中的应用 [5]

专家系统是一个智能计算机程序系统．其内部具有大量专家 水平的某个领域知识与经验．能够

利用人类专家的知识和解决问 题的方法来解决该领域的问题。也就是说．专家系统是一个具有大 量专门知识与经验的程序系统．它应用人工智能技术．根据某个领 域一个或多个人类专家提供的知识和经验进行推理和判断．模拟人 类专家的决策过程。以解决那些需要专家决定的复杂问题。现有的 专家系统都局限在一定范围内．而且没有人类那种能够知道自己什 么时候可能出错的感觉．新的研究包括应用专家系统来教初学者． 以及请教有经验的专业人员。专家系统和传统的计算机程序本质的 不同之处在于．专家系统所要解决的问题一般没有算法解．并且经 常要在不完全、不精确或不确定的信息基础上做出结论。它可以解 决的问题一般包括解释、预测、诊断、设计、规划、监视、修理、指导和 控制等。新一代专家系统有分布式专家系统和协同式专家系统等． 它们不但采用基于规则的方法。而且还采用基于模型的原理．

4. 目前人工智能发展中所面临的难题[6]

人工智能(AI)学科自1956年诞生至今已走过50多个年头。就研究 解释和模拟人类智能、智能行为及其规律这一总目标来说，已经迈出了 可喜的一步，某些领域已取得r 相当的进展。但从整个发展的过程来 看，人工智能发展曲折，而且还面临不少难题，主要有以下几个方面：

● 计算机博弈的困难

博弈是自然界的一种普遍现象，它表现在对自然界事物的对策或 智力竞争上。博弈不仅存在于下棋之中，而且存在于政治、经济、军事和 生物的斗智和竞争之中。尽管西洋跳棋和国际象棋的计算机程序已经 达到了相当高的水平，然而计算机博弈依然面llfli 着巨大的困难。这主要 表现在以下两个方面的『口j 题：其一是组合爆炸问题，状态空间法是人工 智能中基本的形式化方法。若用博弈树来表示状态空间，对于几种常见 的棋类，其状态空间都大得惊人，例如，西洋跳棋为10的40次方，国际 象棋为lO 的120次方，围棋则是lO 的700次方。如此巨大的状态空 间，现有计算机是很难忍受的。其二是现在的博弈程序往往是针对二人 对弈、棋局公开、有确定走步的一类棋类进行研制的。而对于多人对弈、 随机性的博弈这类问题，至少目前计算机还是难以模拟实现的。

● 机器翻译所面临的问题

在计算机诞生的初期，有人提出了用计算机实现自动翻译的设想。 目前机器翻译所面临的问题仍然

是1964年语言学家黑列尔所说的构 成句子的单词和歧义性问题。歧义性问题一直是自然语言理解(NLU) 中的一大难关。同样一个句子在不同的场合使用，其含义的差异是司空 见惯的。因此，要消除歧义性就要对原文的每一个句子及其上下文进行 分析理解，寻找导致歧义的词和词组在上下文中的准确意义。然而，计 算机却往往孤立地将句子作为理解单位。另外，即使对原文有了一定的 理解，理解的意义如何有效地在计算机里表示出来也存在问题。目前的 NI ．u 系统几乎不能随着时问的增长而增强理解力，系统的理解大都局 限于表层上，没有深层的推敲，没有学习，没有记忆，更没有归纳。导致 这种结果的原因是计算机本身结构和研究方法的问题。现在NLU 的研 究方法很不成熟，大多数研究局限在语言这一单独的领域。而没有对人 们是如何理解语言这个问题做深入有效的探讨。 ● 自动定理证明和GP 的局限

自动定理证明的代表性工作是1965年鲁宾逊提出的归结原理。归 结原理虽然简单易行，但它所采用的方法是演绎，而这种形式上的演绎 与人类自然演绎推理方法是截然不同的。基于归结原理演绎推理要求 把逻辑公式转化为子句集合，从而丧失了其固有的逻辑蕴含语义。前面 曾提到过的GPS 是企图实现一种不依赖于领域知识求解人工智能问题 的通用方法。GPS 想摆脱对问题内部表达形式的依赖，但是问题的内部 表达形式的合理件是与领域知识密切相关的。不管是用一阶谓词逻辑 进行定理证明的归结原理。还是求解人工智能问题的通用方法GPS ，都 可以从中分析出表达能力的局限性，而这种局限性使得它们缩小了其 自身的应用范围。

● 模式识别的困惑

虽然使用计算机进行模式识别的研究与开发已取得大量成果，有的 已成为产品投入实际应用，但是它的理论和方法与人的感官识别机制 是全然不同的。人的识别手段、形象思维能力，是任何最先进的计算机 识别系统望尘莫及的，另一方面，在现实世界中，生活并不是一项结构严 密的任务，一般家畜都能轻而易举地对付，但机器不会，这并不是说它 们永远不会，而是说目前不会。 加

5人工智能的发展前景

● 人工智能的发展趋势[7]

技术的发展总是超乎人们的想象。要准确地预测人工智能的未来 是不可能的。但是，从日前的一些前瞻性研究可以看出，未来人工智能 可能会向以下几个方面发展：模糊处理、并行化、神经网络和机器情感。

● 人工智能的发展潜力巨大 [8]

（1）人工智能作为一个整体的研究才刚刚开始，离我们的目标还很遥 远，但人工智能在某些方面将会有大的突破。 自动推理是人工智能最经典的研究分支。其基本理论是人工智 能其它分支的共同基础。一直以来自动推理都是人工智能研究的最热 门内容之一，其中知识系统的动态演化特征及可行性推理的研究是最 新的热点，很有可能取得大的突破。

(2)机器学习的研究取得长足的发展。许多新的学习方法相继问世 并获得了成功的应用，如增强学习算法、reinforcement learning等。也应看 到，现有的方法处理在线学习方面尚不够有效，寻求一种新的方法．以解 决移动机器人、自主agent 、智能信息存取等研究中的在线学习问题是 研究人员共同关心的问题，相信不久会在这些方面取得突破。

(3)自然语言处理是AI 技术应用于实际领域的典型范例，经过A I 研究人员的艰苦努力，这一领域已获得了大量令人瞩目的理论与应用成 果。许多产品已经进入了众多领域。智能信息检索技术在Intemet 技术 的影响下。近年来迅猛发展，已经成为了AI 的一个独立研究分支。由于 信息获取与精化技术已成为当代计算机科学与技术研究中迫切需要研 究的课题，将A l 技术应用于这一领域的研究是人工智能走向应用的契 机与突破口。从近年的人工智能发展来看，这方面的研究已取得了可喜 的进展。

6. 目前人工智能计算机发展的局限[9]

图灵测试的公布使人们对人工智能计算机不久即将出现充满 了信心。然而从上世纪80年代至今，人们还未见到人工智能计算 机的影子。人工智能计算机的研制行动可谓是自计算机发明以来 最激动人心的大行动，也是一个无奈的失败，失败的原因何在? 第一代至第四代计算机都采用冯·诺依曼结构，这种计算机 是数字式计算机，适用于数字计算，而对图像、声音之类的模拟 信号的处理却无能为力。人工智能计算机的设计突破了传统的 冯·诺依曼结构，在对模拟型号的处理上也能发挥得淋漓尽致。 目前，已有无数科学工作者在计算机处理模拟信号方面取得了一 定的进展，然而与大脑的思维相比仍然相差甚远。近些年来，随 着脑科学、神经心理学等研究的进展，对人脑的结构和功能积累 了一些初步认识，但对整个神经系统的内部结构和作用机制，特 别是脑的功能原理还没有完全搞清楚，有待进一步地探索。时至 今日，我们还不知道大脑是怎样处理信号的。正因如此，我们不 可能研制出一种能模拟人的思维的人工智能计算机。也就是说要 想研制出理想中的第五代计算机，必须首先研究清楚大脑是如何 处理信号的，这就是目前人工智能计算机发展的瓶颈。

7. 结论[10]

人工智能一直处于计算机技术的前沿．人工智能研究的理论 和发现在很大程度上将决定计算机技术

的发展方向。今天，已经有 很多人工智能研究的成果进入人们的日常生活。将来．人工智能技 术的发展将会给人们的生活、工作和教育等带来更大的影响。

参考文献

[1]杨状元，林建中. 人工智能的现状及今后发展趋势展望[J].科技信息，2009（04）.

[2] 李轶博, 浅谈人工智能 中国西部科技 2009年10月

[3] 金聪，刘金安．人工智能技术在计算机辅助教学中的应用与 实现[J]．计算机与信息技术．2006，

(7)：106一108，113．

[4] 陈永红．模式识别与人工智能系统的生存期模型建立[J]．华 侨大学学报(自然科学版) ，2007，(3)：272—274．

[5] 孙雪燕 浅谈人工智能的应用与发展 . 人工智能及识别技术2007

[6] 孙珩浅谈人工智能的发展趋势《科技广场》, 2002, 03期(3):37-39

[7] 张琳浅谈人工智能计算机的发展《科学咨询:决策管理》, 2010, 第1期(1):78-78

[8] 高永红浅析计算机人工智能应用与发展《中国科技财富》, 2013, 02期:51-51

[9] 尹行浅析计算机人工智能技术的发展与应用《科技视界》, 2015, 第15期(15):130-130

[10] 韦玉梅浅谈人工智能及其在计算机网络技术中的应用《世界家苑》, 2011