對人工智能研究路徑的研究

亓關霖

摘要： 人工智能是一種模仿人類思維感知、判斷和決策的過程。傳統研究針對人工智能的這一過程，分別簡化了不同部分，形成了結構模擬、功能模擬和行為模擬三種研究路徑。通過對三種研究路徑的優劣勢分析，發現只有抓取人類感知、判斷和決策過程的所有數據，才能實現真正的人工智能，而這種人工智能就是以大數據為基礎的研究路徑。最后針對人類思維過程，對大數據的未來主要研究方向進行了系統分析，認為研究應該集中在數據的采集分類、數據的挖掘分析和數據的處理三個方向。

關鍵詞： 人工智能;研究路徑;大數據

中圖分類號： F49??? 文獻標識碼： A??? 文章編號： 1672-9129（2018）09-0200-01

Abstract：? Artificial intelligence is a process of imitating human perception， judging and making decisions. Traditional research simplifies different parts of the process of artificial intelligence and forms three research paths： structure simulation， function simulation and behavior simulation. Through the analysis of the advantages and disadvantages of the three research paths， it is found that only by grasping all the data of human perception， judgment and decision-making process can we realize the real artificial intelligence， which is the research path based on big data. Finally， aiming at the human thinking process， the main research directions of big data in the future are analyzed systematically. The research should focus on three directions： data collection and classification， data mining and analysis， and data processing.

Key words：?? Artificial intelligence;Research path;Big data

以人工智能（Artificial Intelligence，簡稱 AI）為核心的新技術革命已經成為科技界關注的熱點，尤其在李世石輸給AlphaGo之后，更是在全球都掀起了人工智能的研究熱潮。這一概念由Mc Carthy在Dartmouth學會上提出，主要是指通過計算機的硬件平臺，運行軟件來模擬人類的邏輯思維功能。這種功能所體現的技術模型可以用圖1 來表示。

所謂感知，通常是對計算機給定規則或者通過各種傳感器獲取到外界信息。所謂判斷，主要是指計算機對得到的種種信息進行處理。所謂決策，則是指計算機根據感知，通過判斷得到最后的結論。感知、判斷、決策，這樣一種模仿過程在過去事實上形成了基于結構模擬、功能模擬和行為模擬的三種人工智能研究路徑[1]。

1 人工智能的現有研究路徑

1.1基于結構模擬的研究路徑。人類要完成圖1所示的過程，主要靠大腦來實現。而人類的大腦是由神經元組成的復雜網絡來處理思維邏輯相關的功能。隨著腦神經科學研究的進展，研究者們從腦神經結構出發，通過數理方法將其進行抽象，建立了神經網絡模型。這一研究路徑，本質上是通過再建人類思維結構的方式來模仿人類的信息處理過程，因此是一種基于結構模擬的研究。這種研究主要針對神經網絡的模型和算法進行，其優點是通過簡化后的數理模型就能夠自我學習，并實現全局最優。缺點是模型越要有效果，就要越復雜，導致制造困難。而最主要的，由于對大腦的完整工作過程缺乏了解，使得神經網絡的研究進展緩慢，也缺乏方向。

1.2基于功能模擬的研究路徑。由于結構模擬過于復雜，為了完成圖1所示的過程，有研究者提出另一種思路：不管人類的大腦如何運作，也不管感知、判斷和決策是如何做出的，人工智能在模仿人類的時候，只要能替代人類所要完成的功能即可[2]。這一研究路徑，本質上是用計算機來實現人類的某一功能，因此是一種基于功能模擬的研究。這種研究主要針對實際物體的仿真研究，比如雷達仿真、汽車仿真等。其優點是不考慮或簡化感知和判斷，而只將決策的最后結果模擬出來即可，較為簡單方便。缺點是因為無法窮盡各種方案和感知條件，因此只能在限定的條件或環境下使用，應用范圍較窄，一般表現為專家系統或故障診斷系統。

1.3基于行為模擬的研究路徑。結構模擬是對人類思維全流程的模擬，過于復雜;而功能模擬簡化感知和判斷，只模擬決策，過于簡單。因此，從中間路線考慮，研究者又提出了行為模擬研究路徑，即準確捕捉外界環境傳遞的感知，針對不同感知給予不同的行為反應。這一研究路徑將感知和決策一一對應，實際上簡化了中間的判斷。由于以最后的行為實現作為完成效果，因此又被稱為行為模擬。這種研究主要以交互技術的仿真為主，比如多自由度機器人等。其優點是避免了結構模擬的復雜性和功能模擬的限定性。缺點是由于中間判斷的簡化或缺乏，導致這種模擬只能實現比較外在或淺顯的行為，涉及到思維演繹的行為很難被模擬出來。

人工智能的這三種研究路徑各有各的優點和缺陷，也有融合的趨勢，比如將神經網絡應用于多自由度機器人，或者將神經網絡應用于雷達仿真等等。但是總的來說，依然缺少更深度的智能模擬。

2 依托大數據的人工智能研究路徑

從圖1可以看出，無論是結構模擬、功能模擬還是行為模擬，都是將人類思維的某一特征抽象出來，將其數理化，而這種抽象注定不能將所有的信息包括進來，有所缺失，這也導致以這三種模擬為基礎的人工智能其實還不夠“智能”。

那么，怎么樣才能實現完全的人工智能呢？

人工智能模仿人類，模仿的是人類的信息處理過程，而這種信息處理過程，本質上是一種數據處理。如果能夠從感知過程開始，將所有的數據——無論是關于感知、關于判斷還是關于決策的數據，全部抓取出來，進行細致的挖掘，理清其中的脈絡，最后所得到的數據處理過程，就必然能實現一種真正的人工智能。而這樣的人工智能系統，其實就是一種以大數據為基礎的人工智能研究。

所謂大數據，其實是一種海量的數據集，一般用“3Vs”來描述，即容量 （volume）、多樣性（variety）和速度（velocity），其未來的研究發展方向，可以從圖1所示的人類思維過程中確定。針對感知部分進行研究，主要是研究數據的采集和分類。規模龐大的無結構數據，采集方面要保證沒有缺失，而分類則是要保證能快速的查詢和使用。針對判斷部分進行研究，主要是研究數據的挖掘和分析。顯然在海量數據中，不是所有的數據都是有價值的。如何挖掘到最關鍵的數據并進行分析，是相當重要的一步。針對決策部分進行研究，主要是研究數據的處理。能夠得到最優化的結果讓用戶滿意，這才是人工智能的最終目的。

3 結語

人工智能是科技未來的發展方向，而要實現真正的人工智能，則要依托大數據的研究。當大數據技術發展到一定程度，使計算機得到和處理的數據量能夠匹配人工智能所需要的數據量時，人工智能的時代就將真正到來。

參考文獻：

[1]鐘義信. 人工智能的突破與科學方法的創新[J]. 模式識別與人工智能，2012， 25 （3） ：456-461.

[2]馬欽果. 基于功能模型的航空雷達故障診斷專家系統研究[D]. 吉林大學， 2005.