人工智能的方法探索

馮酉南 胡文港 葉翰堯

摘 要：人工智能從20實際50年代興起， 60多年來，人工智能取得了眾多成果。關于人工智能方法的探索始終在不斷的發展。人們先后經歷了結構模擬、功能模擬、行為模擬三個模擬階段的方法探索。并在近10年發現人工智能的共性核心機制為“信息—知識—智能策略”。并以此為基礎，通過知識的不同來探尋不同的智能策略，打破了人工智能結構、功能、行為的相互獨立性。以統一的“信息觀，系統觀，機制觀”為人工智能的研究提供了新的方向。

關鍵詞：人工智能；統一理論；專家系統；方法探索

人工智能（Artificial Intelligence簡稱AI）是有McCarthy于1956年提出，屬于人類三大尖端技術之一。近十年來，人工智能取得了許多重要的成果。小到手機里的智能語音助手，再到基于物聯網與大數據的智能家居，以及已經上路的自動駕駛汽車，工業生產線上的智能機器人，每秒運算萬億次以上的超級計算機等都已走入我們的生活。人工智能是關于知識的學科——怎樣表示知識以及怎樣獲取知識并使用知識的學科。【1】實現人工智能的三個核心問題在于“怎樣表示，怎樣獲取，怎樣使用”這也是人們對人工智能探索的核心問題所在。

1 人工智能研究的分散化

在20世紀中葉科學技術的背景下，人們發現對于智能的研究確實太過于復雜，于是人工智能技術的工作者采用分散化的方式對人工智能進行研究。人們當時主要將智能模擬研究分解為“結構模擬”、“功能模擬”、“行為模擬”三個分支。

1.1 基于結構模擬的神經網絡研究

根據解剖學的相關成就，人們發現人腦的思維定位于大腦皮層。人的大腦皮層是由1011個神經元構成的極其復雜的一個網絡，每個神經元都是一個處理單元，每個神經元有數千個與其他神經元形成的動態鏈接。生物系統的工作頻率大約為100Hz。于是生物大腦大約有1016鏈接/s的速度。依靠如此復雜的神經網絡系統，大腦可以充分描述外部世界，并對刺激做出響應。

起初人們嘗試建立同樣一個復雜的網絡系統——神經網絡。通過眾多人工的神經元單元的有序鏈接實現人工智能。但是后來人們發現簡單的通過結構的模擬并不能實現智能。主要面對三大問題：（1）生物的大腦是在不斷的變化的，伴隨生物的代謝，新神經突觸的建立等一系列變化，神經元的鏈接方式無時無刻不在發生著變化。如果只模擬結構，而不模擬出其變化的特性就很難做到智能化。（2）基于工業的發展水平，要制造出復雜程度如同生物大腦級別的網絡系統存在著巨大的困難（3）如果將系統的復雜程度降低，其智能化程度又會大打折扣。所以人們便開始功能性模擬的探索。

1.2 基于功能模擬的物理符號系統

Newell和Simon提出了著名的 “物理符號系統假設”，認為：一個物理符號系統只要滿足：（1）具有輸入符號（2）具有輸出符號（3）能夠存儲符號（4）能夠復制符號（5）能夠建立符號結構（6）具有條件性遷移能力，就能算作一個智能系統。他們認為：計算機跟人類大腦都滿足這6個假設，他們是相互等效的兩個物理符號系統。所以用計算機模擬人腦是可能的。【2】

著名的血液感染疾病診斷專家系統MYCIN就是基于功能模擬的物理符號系統。它是首個通過圖靈測試的智能系統，具有極其深遠的意義。打敗國際象棋世界冠軍的“深藍”計算機也是基于這一系統。

但是問題在于這套系統是否真的智能還有待考究。因為目前仍沒有一套有效的測試方式來判斷系統是否具有真正的意識形態。換言之，疾病診斷系統是否知道自己是在做診斷，是否知道疾病的概念，在它眼中，他的診斷過程到底是疾病的診斷，再或者深藍是否知道自己是在下象棋，這個很難表述清楚。正是由于這種自我認知的缺失，人們不得不將這套系統用于專門領域的“專家系統”。但是專家系統同樣存在這巨大的問題。專家系統必須具有專家級的知識儲備，它的知識是程序設計者從相關領域專家處獲取的，那么程序設計者的主觀意識以及對知識的理解不同會使得專家系統帶有程序設計者的 “情感”，另外，專家到底能否將系統所需的知識以機器能理解的方式進行完整的表述也是問題所在。更重要的，知識是不斷更新不斷變化的。一臺計算機如果不會學習，就不能稱為具有智能的。【3】由于這諸多的限制，通過物理符號實現人工智能的途徑也走到了瓶頸。

1.3 基于行為模擬的感知—動作系統

Jackson Pollock是著名的滴畫畫家，他通過放空自己，不刻意也不隨機，用介于兩者之間的狀態創作出了偉大的畫作。人們想通過類似的方式找到智能的突破。人們既不關心智能系統的原型結構，也不關心系統所需要的知識儲備。做的僅僅是在感知到刺激后，做出相應的動作。這是典型的“黑箱系統”。

通過這種方式人們可以模擬出生物的某些先天性條件反射，但是對于高級的思考行為卻無能為力。

2 人工智能新發展

正是因為分散化研究存在諸多的弊病，人們開始探索新的途徑。人工智能其實是信息為主導的一套系統。信息間的相互聯系，相互作用對系統的意義十分重大，所以分散研究智能有其形而無其神。

研究發現，知識不是一成不變的，它具有自己的生態學系統。在先天的本能知識支持下，在外界信息激勵下，人類后天不斷習得的知識是由欠成熟的經驗知識開始，形成成熟的規范知識，進一步成長為常識知識。而且已經建立了能統一考慮信息的形式（語法結構）、內容（語法意義）和價值（語法信息）的“全信息理論”。

于是人們基于對知識和信息的新認識，提出了“信息—知識—智能策略”的人工智能新的發展方向。形成以“學習”為“隱性智能”， “策略生成”為 “顯性智能”的雙智能問題。知識可分為：（1）經驗知識（2）規范知識（3）常識知識（4）本能知識。問題的不同主要在于涉及知識不同。這樣人工智能的問題就變成了解決知識的問題。而知識（信息）間的相互聯系正是人工智能的靈魂。

3 總結

雖然人工智能剛剛興起，但是其影響是巨大的。近些年的研究更是給人工智能指明了新的發展方向。從分散的研究，到找到內在統一規律，這對人工智能的發展具有重要的意義。如今人工智能已經在國民生活，工業生產，國防建設等眾多領域發揮了許多積極的作用。而且我相信，它的貢獻將會越來越大，對科技進步和產業發展發揮更加強大的作用。

參考文獻

[1]賈同興.人工智能與情報檢索【M】.北京：北京圖書館出版社，1997.15—103.

[2]Newell A， Simon H A. GPS， A Program That Simulates Human Thought// Feigenbaum E A， Feldman J， eds. Computers and Thought. New York， USA： McGraw-Hill， 1963：279-293

[3]蔡自興，徐光. 人工智能及其應用【M】，北京：清華大學出版社，2003.51—93