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(shí)際50年代興起， 60多年來，人工智能取得了眾多成果。關(guān)于人工智能方法的探索始終在不斷的發(fā)展。人們先后經(jīng)歷了結(jié)構(gòu)模擬、功能模擬、行為模擬三個(gè)模擬階段的方法探索。并在近10年發(fā)現(xiàn)人工智能的共性核心機(jī)制為“信息—知識(shí)—智能策略”。并以此為基礎(chǔ)，通過知識(shí)的不同來探尋不同的智能策略，打破了人工智能結(jié)構(gòu)、功能、行為的相互獨(dú)立性。以統(tǒng)一的“信息觀，系統(tǒng)觀，機(jī)制觀”為人工智能的研究提供了新的方向。

關(guān)鍵詞：人工智能；統(tǒng)一理論；專家系統(tǒng)；方法探索

人工智能（Artificial Intelligence簡(jiǎn)稱AI）是有McCarthy于1956年提出，屬于人類三大尖端技術(shù)之一。近十年來，人工智能取得了許多重要的成果。小到手機(jī)里的智能語音助手，再到基于物聯(lián)網(wǎng)與大數(shù)據(jù)的智能家居，以及已經(jīng)上路的自動(dòng)駕駛汽車，工業(yè)生產(chǎn)線上的智能機(jī)器人，每秒運(yùn)算萬億次以上的超級(jí)計(jì)算機(jī)等都已走入我們的生活。人工智能是關(guān)于知識(shí)的學(xué)科——怎樣表示知識(shí)以及怎樣獲取知識(shí)并使用知識(shí)的學(xué)科。【1】實(shí)現(xiàn)人工智能的三個(gè)核心問題在于“怎樣表示，怎樣獲取，怎樣使用”這也是人們對(duì)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(jì)中葉科學(xué)技術(shù)的背景下，人們發(fā)現(xiàn)對(duì)于智能的研究確實(shí)太過于復(fù)雜，于是人工智能技術(shù)的工作者采用分散化的方式對(duì)人工智能進(jìn)行研究。人們當(dāng)時(shí)主要將智能模擬研究分解為“結(jié)構(gòu)模擬”、“功能模擬”、“行為模擬”三個(gè)分支。

1.1 基于結(jié)構(gòu)模擬的神經(jīng)網(wǎng)絡(luò)研究

根據(jù)解剖學(xué)的相關(guān)成就，人們發(fā)現(xiàn)人腦的思維定位于大腦皮層。人的大腦皮層是由1011個(gè)神經(jīng)元構(gòu)成的極其復(fù)雜的一個(gè)網(wǎng)絡(luò)，每個(gè)神經(jīng)元都是一個(gè)處理單元，每個(gè)神經(jīng)元有數(shù)千個(gè)與其他神經(jīng)元形成的動(dòng)態(tài)鏈接。生物系統(tǒng)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(fù)雜的神經(jīng)網(wǎng)絡(luò)系統(tǒng)，大腦可以充分描述外部世界，并對(duì)刺激做出響應(yīng)。

起初人們嘗試建立同樣一個(gè)復(fù)雜的網(wǎng)絡(luò)系統(tǒng)——神經(jīng)網(wǎng)絡(luò)。通過眾多人工的神經(jīng)元單元的有序鏈接實(shí)現(xiàn)人工智能。但是后來人們發(fā)現(xiàn)簡(jiǎn)單的通過結(jié)構(gòu)的模擬并不能實(shí)現(xiàn)智能。主要面對(duì)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(jīng)突觸的建立等一系列變化，神經(jīng)元的鏈接方式無時(shí)無刻不在發(fā)生著變化。如果只模擬結(jié)構(gòu)，而不模擬出其變化的特性就很難做到智能化。（2）基于工業(yè)的發(fā)展水平，要制造出復(fù)雜程度如同生物大腦級(jí)別的網(wǎng)絡(luò)系統(tǒng)存在著巨大的困難（3）如果將系統(tǒng)的復(fù)雜程度降低，其智能化程度又會(huì)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(hào)系統(tǒng)

Newell和Simon提出了著名的 “物理符號(hào)系統(tǒng)假設(shè)”，認(rèn)為：一個(gè)物理符號(hào)系統(tǒng)只要滿足：（1）具有輸入符號(hào)（2）具有輸出符號(hào)（3）能夠存儲(chǔ)符號(hào)（4）能夠復(fù)制符號(hào)（5）能夠建立符號(hào)結(jié)構(gòu)（6）具有條件性遷移能力，就能算作一個(gè)智能系統(tǒng)。他們認(rèn)為：計(jì)算機(jī)跟人類大腦都滿足這6個(gè)假設(shè)，他們是相互等效的兩個(gè)物理符號(hào)系統(tǒng)。所以用計(jì)算機(jī)模擬人腦是可能的。【2】

著名的血液感染疾病診斷專家系統(tǒng)MYCIN就是基于功能模擬的物理符號(hào)系統(tǒng)。它是首個(gè)通過圖靈測(cè)試的智能系統(tǒng)，具有極其深遠(yuǎn)的意義。打敗國(guó)際象棋世界冠軍的“深藍(lán)”計(jì)算機(jī)也是基于這一系統(tǒng)。

但是問題在于這套系統(tǒng)是否真的智能還有待考究。因?yàn)槟壳叭詻]有一套有效的測(cè)試方式來判斷系統(tǒng)是否具有真正的意識(shí)形態(tài)。換言之，疾病診斷系統(tǒng)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(lán)是否知道自己是在下象棋，這個(gè)很難表述清楚。正是由于這種自我認(rèn)知的缺失，人們不得不將這套系統(tǒng)用于專門領(lǐng)域的“專家系統(tǒng)”。但是專家系統(tǒng)同樣存在這巨大的問題。專家系統(tǒng)必須具有專家級(jí)的知識(shí)儲(chǔ)備，它的知識(shí)是程序設(shè)計(jì)者從相關(guān)領(lǐng)域?qū)＜姨帿@取的，那么程序設(shè)計(jì)者的主觀意識(shí)以及對(duì)知識(shí)的理解不同會(huì)使得專家系統(tǒng)帶有程序設(shè)計(jì)者的 “情感”，另外，專家到底能否將系統(tǒng)所需的知識(shí)以機(jī)器能理解的方式進(jìn)行完整的表述也是問題所在。更重要的，知識(shí)是不斷更新不斷變化的。一臺(tái)計(jì)算機(jī)如果不會(huì)學(xué)習(xí)，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(hào)實(shí)現(xiàn)人工智能的途徑也走到了瓶頸。

1.3 基于行為模擬的感知—?jiǎng)幼飨到y(tǒng)

Jackson Pollock是著名的滴畫畫家，他通過放空自己，不刻意也不隨機(jī)，用介于兩者之間的狀態(tài)創(chuàng)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(guān)心智能系統(tǒng)的原型結(jié)構(gòu)，也不關(guān)心系統(tǒng)所需要的知識(shí)儲(chǔ)備。做的僅僅是在感知到刺激后，做出相應(yīng)的動(dòng)作。這是典型的“黑箱系統(tǒng)”。

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(duì)于高級(jí)的思考行為卻無能為力。

2 人工智能新發(fā)展

正是因?yàn)榉稚⒒芯看嬖谥T多的弊病，人們開始探索新的途徑。人工智能其實(shí)是信息為主導(dǎo)的一套系統(tǒng)。信息間的相互聯(lián)系，相互作用對(duì)系統(tǒng)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(fā)現(xiàn)，知識(shí)不是一成不變的，它具有自己的生態(tài)學(xué)系統(tǒng)。在先天的本能知識(shí)支持下，在外界信息激勵(lì)下，人類后天不斷習(xí)得的知識(shí)是由欠成熟的經(jīng)驗(yàn)知識(shí)開始，形成成熟的規(guī)范知識(shí)，進(jìn)一步成長(zhǎng)為常識(shí)知識(shí)。而且已經(jīng)建立了能統(tǒng)一考慮信息的形式（語法結(jié)構(gòu)）、內(nèi)容（語法意義）和價(jià)值（語法信息）的“全信息理論”。

于是人們基于對(duì)知識(shí)和信息的新認(rèn)識(shí)，提出了“信息—知識(shí)—智能策略”的人工智能新的發(fā)展方向。形成以“學(xué)習(xí)”為“隱性智能”， “策略生成”為 “顯性智能”的雙智能問題。知識(shí)可分為：（1）經(jīng)驗(yàn)知識(shí)（2）規(guī)范知識(shí)（3）常識(shí)知識(shí)（4）本能知識(shí)。問題的不同主要在于涉及知識(shí)不同。這樣人工智能的問題就變成了解決知識(shí)的問題。而知識(shí)（信息）間的相互聯(lián)系正是人工智能的靈魂。

3 總結(jié)

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(fā)展方向。從分散的研究，到找到內(nèi)在統(tǒng)一規(guī)律，這對(duì)人工智能的發(fā)展具有重要的意義。如今人工智能已經(jīng)在國(guó)民生活，工業(yè)生產(chǎn)，國(guó)防建設(shè)等眾多領(lǐng)域發(fā)揮了許多積極的作用。而且我相信，它的貢獻(xiàn)將會(huì)越來越大，對(duì)科技進(jìn)步和產(chǎn)業(yè)發(fā)展發(fā)揮更加強(qiáng)大的作用。

參考文獻(xiàn)

[1]賈同興.人工智能與情報(bào)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(yīng)用【M】，北京：清華大學(xué)出版社，2003.51—93