人工智能概述
人工智能概述
1.1 人工智能的定义
人工智能的定义：人工智能这个词看起来似乎一目了然，人制造的智能！但是要给人工智能这个科学名词下一个准确的定义却很困难的，至今人工智能尚无统一的定义。
人类对于自身智能的思考和对智能拓延的渴望古而有之，比如传说中中国古代的能工巧匠们制造过指南车、铜人、能自行的木牛流马等。到了近现代，随着社会生产的发展和变革，随着社会分工曰益细化、专业化的大趋势，出现了大量单一烦琐的复杂工作，让机器来代替人从事这些单调重复但又需要较高专业技能的劳动的需求开始增多。与此同时，科学技术的发展使得人们对客观世界的观察与理解达到了前所未有的高度，人们开始更加关注对人类自身的奥秘的探索。而人最本质也是最独特之处就是人的智能现象。因此对于智能的研究开始成为新兴的热门领域。计算机技术的出现和飞速进步，为人们研究自身的智能提供了崭新的途径。人工智能科学与技术，就是在这种大背景下开始蓬勃发展。对于人工智能科学的研究，既能满足对人类智能的延伸并改进、改善甚至改变人类社会生产方式的需要，又能促进对人类智能的深入认识，从而服务于人类自身的发展。
人类对智能理解的渴望可以追随到几百甚至上千年前。我国的《西游记》就是一个最好的例子。孙悟空的汗毛所变成的小猴子们，不就是一个个理想化的智能机器人吗？
人类的自然智能伴随着人类活动处处时时存在。人类的很多活动，如解算题、猜谜语、进行讨论、编制计划和编写计算机程序，甚至驾驶汽车和骑自行车等等，都体现了以由人类才有的智能。如果机器能够执行这些任务，就可以认为机器已具有智能了吗？
从狭义的概念上来讲，人工智能是计算机科学中涉及研究，设计和应用智能机器的一个分支，是对智能计算机系统的研究。
它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。其中智能机器是指能够在各类环境中自主地或交互的执行各种拟人任务（anthropomorphic tasks）的，与人智力相当或相近的机器。具体地说是能够对人类语言的理解、学习和推理的机器。
从广义上来讲，人工智能是指人类智能行为规律、智能理论方面的研究。
狭义方面已经做了一些工作，如专家系统的研究与开发。广义的理解至今还没有做出令人兴奋的结果。
1.2 人工智能的发展史
人工智能的研究不仅与对人的思维研究直接相关，而且和许多其它学科领域关系密切。因此说到人工智能的历史，应当上溯到历史上一些伟大的科学家和思想家所作的贡献，他们为人工智能研究积累了充分的条件和基础理论。这里仅列举几位重要的代表人物。
◆ 古希腊伟大的哲学家、思想家Aristotle（亚里士多德）（公元前384-322），他的主要贡献是为形式逻辑奠定了基础。形式逻辑是一切推理活动的最基本的出发点。
在他的代表作《工具论》中，就给出了形式逻辑的一些基本规律，如矛盾律、排中律，并且实际上已经提到了同一律和充足理由律。此外，亚里士多得还研究了概念、判断问题，以及概念的分类和概念之间的关系，判断问题的分类和它们之间的关系。其最著名的创造就是提出人人熟知的三段论。
◆ 英国的哲学家、自然科学家Bacon（培根）（1561-1626），他的主要贡献是系统地给出了归纳法，成为和Aristotle的演绎法相辅相成的思维法则。Bacon另一个功绩是强调了知识的作用。
Bacon的著名警句是"知识就是力量"。
◆ 德国数学家、哲学家Leibnitz（莱布尼茨）（1646-1716），他提出了关于数理逻辑的思想，把形式逻辑符号化，从而能对人的思维进行运算和推理。
他曾经做出了能进行四则运算的手摇计算机
◆ 英国数学家、逻辑学家Boole（布尔）（1815-1864），他初步实现了布莱尼茨的思维符号化和数学化的思想，提出了一种崭新的代数系统--布尔代数。
◆ 美籍奥地利数理逻辑学家Godel（哥德尔）（1906-1978），他证明了一阶谓词的完备性定理；任何包含初等数论的形式系统，如果它是无矛盾的，那么一定是不完备的。
此定理的意义在于，人的思维形式化和机械化的某种极限，在理论上证明了有些事是做不到的。
◆ 英国数学家Turing(图灵)（1912-1954）,1936年提出了一种理想计算机的数学模型（图灵机），1950年提出了图灵试验，发表了"计算机与智能"的论文。
当今世界上计算机科学最高荣誉奖励为"图灵奖"。
名词解释：图灵试验。当一个人与一个封闭房间里的人或者机器交谈时，如果他不能分辨自己问题的回答是计算机还是人给出时，则称该机器是具有智能的。以往该试验几乎是衡量机器人工智能的唯一标准，但是从九十年代开始，现代人工智能领域的科学家开始对此试验提出异议：反对封闭式的，机器完全自主的智能；提出与外界交流的，人机交互的智能。
◆ 美国数学家Mauchly，1946发明了电子数字计算机ENIAC
◆ 美国神经生理学家McCulloch，建立了第一个神经网络数学模型。
从某种意义上可以说近代人工智能的发展，首先是从人工神经网络研究开始的。但是由于某种原因，神经网络的研究一度进入低潮。详细内容参见第六章《人工神经元网络》
◆ 美国数学家Shannon（香农）,1948年发表了《通讯的数学理论》，标志着"信息论"的诞生。
◆ 美国数学家、计算机科学家McCarthy，人工智能的早期研究者。1956年，他和其他一些学者联合发起召开了世界上第一次人工智能学术大会，在他的提议下，会上正式决定使用人工智能这个词来概括这个研究方向。
参加大会的有Minsky, Rochester, Shannon, Moore, Samuel, Selfridge, Solomonff, Simon, Newell等数学家、心理学家、神经生理学家、计算机科学家。McCarthy也被尊为"人工智能之父"。
50年代--70年代
◆ 50年代初开始有了符号处理，搜索法产生。
人工智能的基本方法是逻辑法和搜索法。最初的搜索应用于机器翻译、机器定理证明、跳棋程序等。
◆ 60年代Simon由试验得到结论：人类问题的求解是一个搜索的过程，效果与启发式函数有关。叙述了智能系统的特点：智能表示、智能推理、智能搜索。
◆ Nilson发表了A* 算法（搜索方法）
◆ McCarthy建立了人工智能程序设计语言Lisp
◆ 1965年Robinson提出了归结原理。
归结原理是与传统的自然演绎法完全不同的消解法。是第一个也是目前唯一的一个具有完备性（半完备性）的推理方法。曾轰动整个科学界。但该方法本身也有计算爆炸等问题。
◆ 1968年Quillian提出了语义网络的知识表示方法
◆ 1969年Minsky出了一本书"感知机"，给当时的神经网络研究结果判了死刑
由于该书从理论上证明了当时主要的神经网络模型---感知器的分类能力是很有限的。因此，人工神经网络的研究由此进入低潮时期，而人工智能、专家系统的研究进入高潮。
70年代以后
◆ 70年代，人工智能开始从理论走向实践，解决一些实际问题。同时很快就发现问题：归结法费时、下棋赢不了全国冠军、机器翻译一团糟。此时，以Feigenbaum为首的一批年轻科学家改变了战略思想，1977年提出了知识工程的概念，开展了以知识为基础的专家咨询系统研究与应用。
著名的专家系统有
DENDRAL化学分析专家系统（斯坦福大学1968）；
MACSYMA符号数学专家系统（麻省理工1971）；
MYCIN诊断和治疗细菌感染性血液病的专家咨询系统（斯坦福大学1973）；
CASNET(Causal ASsciational Network)诊断和治疗青光眼的专家咨询系统（拉特格尔斯（Rutgers）大学70年代中）；
CADUCEUS(原名INTERNIST)医疗咨询系统（匹兹堡大学）；
HEARSAY I 和II语音理解系统（卡内基-梅隆大学）；
PROSPECTOR地质勘探专家系统（斯坦福大学1976）；
XCON计算机配置专家系统（卡内基-梅隆大学1978）。
应该说，知识工程和专家系统是近十余年来人工智能研究中最有成就的分支之一。
◆ 80年代，人工智能发展达到阶段性的顶峰。87,89年世界大会有6－7千人参加。硬件公司有上千个。Lisp硬件、Lisp机形成产品。同时，在专家系统及其工具越来越商品化的过程中，国际软件市场上形成了一门旨在生产和加工知识的新产业--知识产业。
◆ 同年代，1986年Rumlhart领导的并行分布处理研究小组提出了神经元网络的反向传播学习算法，解决了神经网络分类能力有限这一根本问题。从此，神经网络的研究进入新的高潮。
◆ 90年代，计算机发展趋势为小型化、并行化、网络化、智能化。人工智能技术逐渐与数据库、多媒体等主流技术相结合，并融合在主流技术之中，旨在使计算机更聪明、更有效、与人更接近。
曰本==于1992年结束了为期十年的，称为"知识信息处理体统"的第五代计算机系统研究开发计划。并开始了为期十年的实况计算（Real World Computing）计划。
随着计算机和网络技术的发展与普及，当今人工智能主攻方向体现于：
◆ 并行与分布式处理技术，包括大规模并行机和机群的体系结构、并行操作系统与并行数据结构，分布式Client/Server计算模型及其处理技术，多专机系统的合作与知识共享技术等；
◆ 知识的获取、表示、更新和推理新机制，包括新的知识获取方法，常识性知识的表示、更新与推理，大型知识库的组织与维护，新一代逻辑处理机制等；
◆ 多功能的感知技术，包括对语音文字、图形与图像等信号的获取、识别、压缩与转化，以及多媒体输出和VR技术等。
◆ 智能Agent。智能体的交互、通讯和多智能体体系结构。智能体是智能体程序和智能体结构的结合。
◆ 数据挖掘。其中包括数据挖掘、数据查询。该方面的研究主要是信息时代的需求，面对海量的信息，人类必须有一整套的信息检索、处理手段，才能够从中得到有效的知识，否则将被繁多无用的信息淹没。
人工智能从以往的追求自主的系统，改变为人机结合的系统。计算机的定量与人的定性信息处理相结合，取长补短。甚至提出了没有知识表示、没有推理的智能（六脚爬虫）。从以前单一的mind到现在mind and body，Situated AI ,Sensing and Acting的结合，并且引入了概率论、遗传算法等理论。传统的人工智能研究是的基于逻辑的，深思熟虑的智能。现代的人工智能是研究直觉、顿悟、形象思维的智能。与模式识别的研究有密不可分的联系。
我国人工智能研究状况：
从七十年代开始，在国家的支持下，做了一些专家系统的研究，其中医疗诊断系统最多，尤其是中医医疗诊断系统。相对于美国很多探矿、化学等专家系统来说，我国的医疗诊断专家系统也是相当成功的，但是由于医疗风险等问题，投入实际使用的难度比较大。
1.3 人工智能成功的实例
在形成和第一个兴旺期，人工智能研究出现了一些较有代表性的工作（这个时期AI研究的主要方向是机器翻译、定理证明、博弈等）。
1953年，美国乔治敦大学组织了第一次机器翻译的实际实验。
1954年7月，IBM公司在701计算机上做了俄译英的公开表演。
1956年，Newell(艾伦.纽厄尔)和Simon(西蒙)等人首先取得突破，他们编的程序Logic Theorist(应用启发式技术)证明了《数学原理》第二章中的三十八条定理，又于1963年证明了该章中的全部五十二条定理，走上了以计算机程序来模拟人类思维的道路，第一次把求解方法和问题的领域知识分离开。
1958年定理证明方面取得新成就，美籍数理逻辑学家王浩在IBM704计算机上以3-5分钟证明了《数学原理》有关命题演算的全部220条定理，还用了几分钟证明了该书中带等式的谓词演算的150条定理中的85%，1959年再接再厉，仅用了8.4分钟就证明了以上全部定理。
1959年，IBM公司的Gelernter(格伦特尔)研制出平面几何证明程序。
博弈同样是AI第一个时期的研究热点
1956年Samuel研制了跳棋程序，它在1959年击败了Samuel本人，又在1962年打败了美国一个州的跳棋冠军而荣获州级冠军。也在1956年，Selfridge研制出第一个字符识别程序，又在1959年推出功能更强的模式识别程序。
1960年，McCarthy建立了人工智能程序设计语言LISP。从1957年开始，Newell、Shaw和Simon等人就开始研究一种不依赖于具体领域的通用解题程序GPS（持续研究了十年，69年发表最后版本）。
1963年，Green公布了BASEBALL（有关美国棒球赛的问答系统）。
1963年Slagle发表了符号积分程序SAINT，用86道积分题做实验（其中54道选自麻省理工学院的大学考题），结果做出了其中的84道（1967年Mosis以他的SIN程序再创记录，效率比SAINT提高了约三倍）。
1965年Roberts编制了可以分辨积木构造的程序，开创了计算机视觉的新领域。
1965年Robinson独辟蹊径，提出了与传统的自然演绎法完全不同的消解法，当时被认为是一项重大突破，掀起了研究计算机定理证明的又一高潮。
而年轻一代(以斯坦福大学的年轻教授Feigenbaum为代表)认为,万能的逻辑推理体系根本就不可能存在,它最大的弱点是缺乏知识,它的主要技术(状态空间搜索技术)的主要困难是"组合爆炸"。要摆脱困境只有大量使用知识。总之,在这个波折萧条期,很多国家的人工智能研究人员并没有灰心,而是扎扎实实的做工作,不仅是加强基础理论研究,而且在专家系统、自然语言理解、机器人、计算机视觉等方面作出了很有成效的工作。这个时期出现了不少较有代表性的工作。下面简单介绍这个时期的几个具有代表性的专家系统、自然语言理解系统等应用系统。
ELIEA：1968年J.Weizenbaum在美国麻省理工学院设计的基于"模式匹配"的自然语言系统中最有名的一个。ELIEA模拟一位心理治疗医生(机器)同一位患者(用户)进行交谈.
DENDRAL：1970年斯坦福大学计算机科学系费根鲍姆(E.A.Feigenbaum)和化学家C.Djerassi以及J.Leberberg等人研制出的世界上第一个专家系统。该系统具有非常丰富的化学知识,是根据质谱数据帮助化学家推断分子结构,被广泛地应用于世界各地的大学及工业界的化学实验室。
MACSMA：1971年麻省理工学院的C.Engleman,W.Martin和J.Moses研制成的基于知识的数学专家系统。它作为数学家的助手使用启发式方法变换代数表达式,现经过不断扩充，能求解600多种数学问题,其中包括微积分、解方程和方程组,矩阵运算等,目前在麻省理工学院的KL-10计算机系统上运行并可通过美国国防部高级规划局网络(ARPA)被大家使用.
MYCIN：1972年-1974年研制(1976年发表)，肖特立夫(E.H.Shortliffe)等人的医疗专家系统。用于诊断和治疗血液感染和脑炎感染,可给出处方建议(提供抗菌剂治疗建议),不但具有很高的性能,而且具有解释功能和知识获取功能。MYCIN系统是专家系统的经典之作，它的功能是诊断某种血液病，并提供治疗方案。MYCIN的知识表示系统用带有置信度的IF-THEN规则来表示，并使用不确定性推理方法进行推理。MYCIN由LISP语言写成，所有的规则都表达成LISP表达式。MYCIN是一个面向目标求解的系统，使用反向推理方法，并利用了很多的启发式信息.。从MYCIN系统衍生了很多的专家系统，其中EMYCIN是从MYCIN中抽象出来的专家系统工具，在它的基础上产生了许多其它领域的实用专家系统，比如说心脏病诊断领域的PUFF系统等。
LUNAR：1972年W.Woods研制成功的基于知识的自然语言理解系统.LUNAR用于查询月球地质数据,协助地质学家查询分析阿波罗11号在月球采集的岩石标本的成分,回答用户的问题。该系统的数据库中有13000条化学分析规则和10000条文献论题索引,是第一个采用扩充转移网络ATN和过程语义学的思想.也是第一个用普通英语与机器对话的人机接口。
SHRDLU(又称积木世界)：1972年麻省理工学院的T.Winograd研制成功的在"积木世界"中进行英语对话的自然语言理解系统。系统模拟一个能操纵桌子上一些玩具积木的机器人手臂,用户通过英语人机对话方式命令机器人摆弄那些积木块,系统则通过屏幕来给出回答并显示现场相应情景.SHRDLU具有200个单词和场景知识,利用句法、语义、推理来理解语言,是最早尝试把语言知识和人的推理机制结合起来的系统之一。
STUDENT：1968年美国麻省理工学院的博士生D.Bobrow完成的一个基于模式匹配(加上一些精心设计的启发式信息)的自然语言理解系统。系统能理解和求解用英语表达的中学文字数学题.
MARGIE：R.Schank及其学生们在美国斯坦福大学的人工智能实验室里建立的一个英语的分析、理解和推理系统,由概念分析器、推理器和生成器三部分组成，它采用的概念分析方法的特点是把句法和语义的分析融为一体,即被称为一体化的语言分析方法。
HEARSAY-I：1973年卡内基-梅隆大学(CMU)的L.D.Erman等人设计的自然语言理解系统。1977年发展为HEARSAY-Ⅱ，具有一千多条词汇，能以60MIPSS的速度理解连贯的语言,正确率达85%。该系统对未来的知识系统的发展起着重要的推动作用。
这期间发生的重要事件还有：
1968年奎连(Quilian)提出了语义网络知识表示法,试图解决记忆的心理学模型，后来西蒙(Simon)等人在用语义网络表达自然语言理解方面取得了很大的成效(R.F.Simon(1973年)等人的语义网结构)。
1973年R.C.Schamk提出的概念从属理论。
1974年Minsky提出表示知识的另一种方法框架(Frame)理论，又称画面理论.框架理能较好地描述范围较广泛的一类问题，所以一经提出就得到了广泛的应用。
1970年由英国爱丁堡大学的R.Kowalski首先提出以逻辑为基础的程序设计语言Prolog。
1972年由法国马赛大学的A.Colmeraues及其研究小组实现了第一个Prolog系统。Prolog和LISP一样被称为面向AI的语言,成为继LISP语言之后的最主要的一种人工智能语言。
其他值得一提的还有诊断和治疗青光眼病的专家系统CASNET,诊断内科疾病的专家系统INTERNIST,肾脏病专家咨询系统PIP,DEC公司开发的诊断VAX计算机故障的实验专家系统XCON(RI)和XSEL,1968年由美国麻省理工学院博士生B.Raphael完成的以关键词匹配为主流的早期著名自然语言理解系统SIR.这期间商用工业机器人在美国和曰本得到大力发展和应用。
由于智能机器人和第五代计算机研制计划的产生,使人工智能研究从萧条期转入第二个兴旺期并进入黄金时代：
由于理论研究的成果(例如各种表示方法的研究)和计算机软、硬件的飞速发展,由于各种专家系统、自然语言处理系统等AI实用系统商业化进入市场并产生较大的经济效益和社会效益，展示了人工智能应用的广阔前景。例如把人工智能系统用于VAX计算机的组装每年为DEC公司节约2000万美元。
斯坦福大学国际研究所SRI的R.O.Duda等人1976年开始研制的用于地质勘探的专家系统PROSPECTOR在1982年预测了华盛顿州的一个勘探地段的钼矿位置,其开采价值超过了一亿美元。
人工智能公司商业化的自然语言处理系统INTELLECT安装了一百多个。
机器翻译研究全面复苏并从实验室走向实用走向市场。数百家计算机公司卷入了计算机视觉系统的研制,已有很多可以满足简单的视觉应用的商用产品面世。智能机器人的研制形成高潮。
曰本1981年10月向全世界公布了它制造第五代电子计算机的十年计划(1982年-1991年),拨款4亿5千万美元用于该项目,该计划全面采用人工智能技术,采用Prolog作为核心语言,目标是研制出具有智能接口、知识库管理、能够自动学习、联想、作出推论、具有并行处理特征、能理解讲话和看懂照片的智能电子计算机。曰本的第五代机计划在世界范围内引起了强烈的反响。
美国1983年制定了6-10年的研制规划，投资6亿多美元拟研制能看、听、说和思考的新一代电子计算机，并有18家计算机公司联合起来组成了"美国微电子学和计算机技术联合公司（MCC）"。
英国于1982年10月制定了在5年内集资5.5亿美元（三亿五千万英镑，国家出2亿，企业出1亿5千万镑）来发展自己的第五代电子计算机的阿尔维计划。
欧洲共同体也于1983年11月提出一项"欧洲信息技术研究开发战略计划（ESPRIT）"准备在机器人学、微电子学、人工智能和软件方面采取联合行动，预计在10年内将投资13亿美元。
美军的沙漠风==：90年代处的沙漠风==是人工智能技术在军事中应用的一个成功典范。从最简单的货物空运，到复杂的行动协调，都由面向人工智能技术的专家系统来完成。另外先进的巡航导弹也采用了人工智能体领域的机器人和机器视觉技术。在这其中的两个计划：Pilot Associate Project (电子领航员)和Battle Management System Project(军事专家系统)，是人工智能技术成功应用的范例。
深蓝系统：1997年IBM的深蓝系统击败了世界冠军卡斯帕洛夫。深蓝系统由一个大型的基于IBM RS/6000的并行计算机组成，应用了人工智能中的博弈理论。深蓝程序用的是人工智能最基本也是最简单的剪枝搜索方法。
中国也制定了七.五攻关计划和863高技术计划，把人工智能列为重点研究技术之一。在这期间，分布式人工智能（DAI）的研究 也受到各国科学家的重视，并投入大量的人力进行研究。
1.4 人工智能的研究内容
人工智能的知识领域浩繁，很难面面俱到，但是各个领域的思想和方法上有许多可以互相借鉴的地方。从基础理论的角度出发其研究基本内容包括：
◆ 启发式搜索理论
搜索的方法很多，如回溯、图搜索、启发式等等，主要是给定一些经验做指导提高搜索效率。该方面的研究已经有了比较成熟的技术。
◆ 各种推理方法
常识推理有知识不完全、不够用等问题，如鸟会飞，但是鸵鸟不会飞。
◆ 知识的模型化和表示方法
知识表示很重要，方法主要有逻辑、产生式、语义网络、框架等。现在还不能完全说清楚知识表示到底是什么。
◆ 人工智能系统结构及语言
Lisp语言主要在美国，Prolog语言主要在欧洲使用比较广泛。
◆ 机器学习
当前系统大多用归纳的学习、依赖知识库的学习，没有很成熟的方法。神经网络、遗传算法等理论的应用也在探讨之中。
随着人工智能理论研究的发展和成熟，人工智能的应用领域更为宽广，应用效果更为显著。从应用的角度看主要集中在以下几个方面：
◆ 自然语言理解
当前人工智能应用领域最引人注目的分支之一。随着信息时代的迅速发展，如何理解地获取知识成为曰益重要的课题。主要体现于机器翻译、自动文摘、全文检索等应用中。
◆ 数据库的智能检索
研究如何在海量的知识中准确的找到自己需要的东西。
◆ 专家系统
七十年来开始的人工智能领域的古老话题，有一些系统做得比较好，如下棋、探矿等。
◆ 机器定理证明
人工智能研究最原始的课题之一，取得了很多可以证明人工智能技术进步的成就。但不是当今的热点话题。
◆ 博弈
主要问题是机器学习和搜索。
◆ 机器人学
涉及的知识领域广泛，已取得了很多实质性的成果，是应用前景最好的分支之一。
◆ 自动程序设计
所有学计算机的人都希望该研究分支有实质性的成果。
◆ 组合调度
是人工智能研究的重要分支之一。对于浩繁的任务，可以给出完成任务的最佳（局部最优）的任务序列。如机器人搬运。
◆ 感知
现代人工智能的课题。是"not only BODY but also SENSER"理论的需要。
◆ 视觉
以往主要是由于机器人学的需要，现今多媒体、视频检索等多个分支对视觉研究提出了大量的需求。是当前最热点的研究分支之一。
搜索更多相关主题的帖子:
人工智能
