470.txt

This complete matlab for neural network

发信人: GzLi (笑梨), 信区: DataMining
标  题: [转帖]漫漫黑夜中的人工智能
发信站: 南京大学小百合站 (Sat Apr 20 11:42:48 2002), 站内信件

From PRIS (www.pris.edu.cn) AI Forum

人工智能是一门研究人类智能的机理以及如何用机器模拟人的智能的学科。从后一种
意义上讲，人工智能又被称为“机器智能”或“智能模拟”。人工智能是在现代电子
计算机出现之后才发展起来的，它一方面成为人类智能的延长，另一方面又为探讨人
类智能机理提供了新的理论和研究方法。

人工智能研究的一个主要目的是使机器能够胜任一些通常需要人类智能才能完成的复
杂工作。但是，不同的时代、不同的人对这种“复杂工作”的理解是不同的。例如繁
重的科学和工程计算本来是要人脑来承担的，现在电子计算机不但能完成这种计算，
而且能够比人脑做得更快、更准确，因之当代人已不再把这种计算看作是“需要人类
智能才能完成的复杂任务”。可见复杂工作的定义是随着时代的发展和技术的进步而
变化的，人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断
获得新的进展，一方面又转向更有意义、更加困难的目标。

目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是电
子计算机，人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。除了
计算机科学以外，人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理
学、数理逻辑、语言学、医学和哲学等多门学科。

人工智能作为一门学科诞生于本世纪五十年代。1956年，一些从事早期人工智能研究
的美国计算机科学家得到了两项重大研究成果。一项是纽维尔，肖和西蒙合作编制的
LT逻辑推理机程序。LT机可以根据事先存入计算机的一组公理和一组推理规则处理待
证明的问题，而且在当时已经能够自动证明《数学原理》（Principia Mathematics
）一书中52条定理中的前38条。这个程序除了按推理规律工作以外，还能利用启发式
搜索提高推理速度。同一年的另一项成果是塞缪尔（A.L.Samuel）编制成的西洋跳棋
计算机博弈程序。这个程序在对弈时可以象人那样“向前看几步”，再决定采用对自
己有利的棋着。它甚至可以积累经验和学习棋谱。这两个程序向人们表明，计算机是
能够模拟人的智能解决复杂问题的。就在这同一年，一批科学家集会，决定用Artificial
 Intelligence这个词代表这个新领域。因此1956年是人工智能发展史上具有里程碑
意义的一年。在以后的发展中，研究者们发展了许多简单的、有控制结构的小规模程
序，表明计算机在博奕、数学定理证明、问题求解和回答疑难问题方面是能够表现出
智能行为的。

人工智能需要解决人—电子计算机之间的语言，即由人编制赋予计算机的程序语言问
题。麦卡钖（J.Mccarthy）在1958年研究出一种表处理程序语言LISP。这种语言采用
表数据结构，具有符号处理功能和自定义函数的功能，能够通过函数调用来实现控制
结构，一个LISP程序还具有处理其它LISP程序的能力。这些特点决定LISP语言是适合
人工智能发展的需要的，LISP语言在它诞生后的30年来，影响和训练了大批的人工智
能工作者。

现在，对“智能”概念的理解还存在着分歧，还难于给“智能”下一个完善的定义。
通常所说的智能是指理解事实和思维推理的能力，形成概念和认识真理的能力，以及
进行学习和适应新环境的能力。机器是否能够模拟这种智能呢？对这个问题有两种不
同的看法。一种观点以判断机器能否思维的图灵（Turing）准则为代表。这个准则是
：如果机器能在指定条件下摹仿一个人把问题回答得很好，而且迷惑了提问者，那么
这部机器就可以被看作是能够思维的。按照这种观点，许多计算机系统目前已经能够
思维，已经模拟了智能。与此相反的观点则认为机器不可能具有真正的智能。但是认
识上的分歧，并没有妨碍学科的发展，反而促进了研究的深入和广泛的实验探索。专
门研究人工智能问题的“人工智能学”，由于它具有软科学和硬科学有机结合的鲜明
特色，因此越来越受到各国学者的广泛重视。

人工智能学在本身发展中，既重视学科理论的建立，又很重视学科理论的应用，它的
每一项重大成果，都又返回来促进学科的继续发展。30多年来，人工智能学进行了大
量的研究和实验，人工智能在解决博奕、疑难解答、数学定理证明等问题时采用问题
求解模型，并取得了许多成果。这种模型用问题的初始条件、最终条件以及从初始条
件到最终条件之间的允许变换来定义一个需要求解的问题，而问题的解就是能够从初
始条件出发达到最终条件的一系列变换。问题求解模型中的解题技术主要是各种启发
式搜索。为了在计算机内有效地表示各种给定问题，表示搜索求解过程以及表示控制
求解过程的各种启发知识，人工智能研究者们发展了许多知识表达方法。直到今日，
许多研究者仍然致力于问题求解模型中的启发式搜索研究和知识表达研究。但是追求
一般问题求解系统的努力还没有获得成功。人工智能研究的实践使人们认识到，和人
相比，计算机尽管速度和可靠性很高，却并不足以消除它对外部世界的“无知”。这
就好象一个人若不具备某个专门领域的大量专门知识、专门技能，光靠高的智商是不
可能成为那个领域的专家一样。基于这种认识，人们放弃了那种追求一般问题求解系
统的研究，并开始研究如何把人类专家的大量知识归纳、精练，并以便于利用的形式
存放在计算机系统中，使得这个系统能够用人类专家知识去解决相应领域中的困难问
题。这种系统就是“专家系统”，它的一重要组成部份就是存有专家知识的知识库，
而知识库的建造又被称为知识工程。在70年代研制成功的最有代表性、影响最大的专
家系统有：斯坦福大学的能够推导物质分子结构的DENDRAL系统，斯坦福大学的诊断
血液感染疾病的MYCIN系统和麻省理工学院的能进行符号式数学推导的MACSYMA系统。
进入80年代以来，知识库专家系统和知识工程成为人工智能领域最热门的研究课题。
作为人工智能领域最有实践意义的成果，专家系统也开始商品化。

与问题求解研究平行的还有“模式识别”研究，也是用计算机模拟人的智能行为。模
式识别就是要研究如何用计算机分析视觉输入和波形输入的各种模式，并对未知模式
给出分类和结构描述。这种研究也是从50年代就开始了的，当时的实用目标是研制文
字阅读机和声音打字机，后来又研制其它机器，有的可以处理航空照片，有的识别医
用图象，还有的可以自动检查工作缺陷或者自动分析心电图等等。随着这些工程研究
的发展，统计模式识别理论和结构模式识别理论也分别在60年末和70年代初形成。到
那时为止，模式识别和人工智能基本上是相互独立地发展的。但由于两个领域在用计
算机模拟人类智能这一点上有许多共同点，它们必然在理论和方法上有许多相似之处
。按照人工智能学的广义定义，它应该不仅包括问题求解的理论与方法，而且包括模
式识别的理论和方法。目前，人工智能关于问题求解模型的一系列理论和方法，尤其
是知识库方法，已经渗入并将继续渗入模式识别领域。

人工智能还探索自然语言理解问题，即研究如何使计算机懂得人类日常的自然语言，
研究和模拟人类语言交际的过程，建立人和计算机之间用自然语言交谈的模型。

经过四分之一个世纪的人工智能研究，人们开始考虑下一代计算机（又称第五代计算
机或智能计算机）的研制。这种计算机将有庞大知识库、并行推理的人工智能编程语
言，并能用超大规模电路实现超高速推理。这种计算机还将带有智能化的人机接口，
能够识别文字、语音、图画，能够用自然语言和人交流信息和知识。这种计算机将凝
聚人工智能领域的理论和技术成果，它的研制也将把人工智能推向一个更高的阶段。


智能机器人是另一个集中吸收人工智能理论和技术成果的领域。一个智能机器人在推
理作业规划、途径规划、视觉传感信息处理和其它复杂问题上都会运用人工智能的成
果，并给人工智能提出新的课题。

人工智能的研究还包括人工智能的前景的探讨。从国际范围来看，人工智能的研究途
径主要有三条。第一，生理学途径，采用仿生学的方法，模拟动物和人的感官以及大
脑的结构和机能，制成神经元模型和脑模型；第二，心理学途径，应用实验心理学方
法，总结人们思维活动的规律，用电子计算机进行心理模拟；第三，工程技术途径，
研究怎样用电子计算机从功能上模拟人的智能行为。目前，第三种研究方法发展较快
。它也从前两种方法中吸收新的思想，依靠新的启示扩大自己的成果。


--
GzLi如是说：
     Joy and pain are coming and going both
     Be kind to yourself and others.

welcome to DataMining  http://DataMining.bbs.lilybbs.net
welcome to Matlab http://bbs.sjtu.edu.cn/cgi-bin/bbsdoc?board=Matlab

※ 来源:．南京大学小百合站 bbs.nju.edu.cn．[FROM: 211.80.38.29]