人工智能研究的若干进展

2007-07-30 21:44 ⁄ 控制·综述, 自动控制 ⁄ 共 8499字 ⁄ 字号小中大 ⁄ 暂无评论

摘要：本文简要回顾国内外人工智能的发展历史。在介绍人工智能各种认知观的基础上，提出应从四个方面开展对认知本质的研究，以期解开认知本质之谜。最后讨论人工智能研究的一些新领域，包括艾真体、计算智能、知识发现和人工生命等。对这些问题的研究，有助于对人工智能发展历史和现状的更好了解。

关键词：人工智能认知艾真体计算智能知识发现

1．引言

人类在进入新世纪时对未来充满新的更大的希望。科技进步必将为各国的可持续发展提供根本保障，科技新成果必将在更大的广度和深度上造福于人类。人工智能学科及其“智能制品”的重要作用已为人们普遍共识。最近，中国教育部决定在中学开设《人工智能》新课程就是一个新的例证。

40多年来，人工智能获得很大发展，它引起众多学科和不同专业背景学者们的日益重视，成为一门广泛的交叉和前沿科学。国际上人工智能研究作为一门前沿和交叉学科，伴随着世界社会进步和科技发展的步伐，与时俱进，在过去十多年中已取得长足进展。在国内，人工智能已得到迅速传播与发展，并促进其它学科的发展。吴文俊院士的定理证明的几何方法就是一个例证和代表性成果。

近十年来，现代计算机的发展已能够存储极其大量的信息，进行快速信息处理，软件功能和硬件实现均取得长足进步，使人工智能获得进一步的应用。尽管目前人工智能在发展过程中面临不少争论、困难和挑战，然而这些争论是十分有益的，这些困难终会被解决，这些挑战始终与机遇并存，并将推动人工智能的继续发展。可以预言：人工智能的研究成果将能够创造出更多更高级的智能“制品”，并使之在越来越多的领域超越人类智能；人工智能将为发展国民经济和改善人类生活做出更大贡献。

2．历史回顾

时代思潮直接帮助科学家去研究某些现象。对于人工智能的发展来说，20世纪30年代和40年代的智能界，发现了两件最重要的事：数理逻辑（它从19世纪末起就获得迅速发展）和关于计算的新思想。弗雷治（Frege）、怀特赫德（Whitehead）、罗素（Russell）和塔斯基（Tarski）以及另外一些人的研究表明，推理的某些方面可以用比较简单的结构加以形式化。1913年，年仅19岁的维纳（Wiener）在他的论文中把数理关系理论简化为类理论，为发展数理逻辑做出贡献，并向机器逻辑迈进一步，与后来图灵（Turing）提出的逻辑机不谋而合。数理逻辑仍然是人工智能研究的一个活跃领域，其部分原因是由于一些逻辑-演绎系统已经在计算机上实现过。不过，即使在计算机出现之前，逻辑推理的数学公式就为人们建立了计算与智能关系的概念。

丘奇（Church）、图灵和其它一些人关于计算本质的思想，提供了形式推理概念与即将发明的计算机之间的联系。在这方面的重要工作是关于计算和符号处理的理论概念。图灵不仅创造了一个简单的通用的非数字计算模型，而且直接证明了计算机可能以某种被理解为智能的方法工作。道格拉斯·霍夫施塔特（Douglas Hofstadter）在1979年写的《永恒的金带》（An Eternal Golden Braid）一书对这些逻辑和计算的思想以及它们与人工智能的关系给予了透彻而又引人入胜的解释。

到了20世纪50年代，人工智能已躁动于人类科技社会的母胎，即将分娩。1956年夏季，年轻的美国学者麦卡锡（McCarthy）、明斯基（Minsky）、朗彻斯特（Lochester）和香侬（Shannon）共同发起，邀请莫尔（More）、塞缪尔（Samuel）、纽厄尔（Newell）和西蒙（Simon）等参加在美国的达特茅斯（Dartmouth）大学举办了一次长达2个月的研讨会，认真热烈地讨论用机器模拟人类智能的问题。会上，首次使用了人工智能这一术语。这是人类历史上第一次人工智能研讨会，标志着人工智能学科的诞生，具有十分重要的历史意义。这些从事数学、心理学、信息论、计算机和神经学研究的年轻学者，后来绝大多数都成为著名的人工智能专家，40多年来为人工智能的发展做出重要贡献。

值得一提的是控制论思想对人工智能早期研究的影响。正如艾伦·纽厄尔（Allen Newell）和赫伯特·西蒙（Herbert Simon）1972年在他们的优秀著作《人类问题求解》（Human Problem Solving）的“历史补篇”中指出的那样，20世纪中叶人工智能的奠基者们在人工智能研究中出现了几股强有力的思潮。维纳、麦克洛克（McCulloch）和其它一些人提出的控制论和自组织系统的概念集中地讨论了“局部简单”系统的宏观特性。尤其重要的是，1948年维纳发表的控制论（或动物与机器中的控制与通讯）论文，不但开创了近代控制论，而且为人工智能的控制论学派（即行为主义学派）树立了新的里程碑。控制论影响了许多领域，因为控制论的概念跨接了许多领域，把神经系统的工作原理与信息理论、控制理论、逻辑以及计算联系起来。控制论的这些思想是时代思潮的一部分，而且在许多情况下影响了许多早期和近期人工智能工作者，成为他们的指导思想。

最终把这些不同思想连接起来的是由巴贝奇（Babbage）、图灵、冯·诺依曼（Von Neumman）和其它一些人所研制的计算机本身。在机器的应用成为可行之后不久，人们就开始试图编写程序以解决智力测验难题、下棋以及把文本从一种语言翻译成另一种语言。这是第一批人工智能程序。对于计算机来说，促使人工智能发展的是什么?出现在早期设计中的许多与人工智能有关的计算概念，包括存储器和处理器的概念、系统和控制的概念，以及语言的程序级别的概念。不过，引起新学科出现的新机器的唯一特征是这些机器的复杂性，它促进了对描述复杂过程方法的新的更直接的研究（采用复杂的数据结构和具有数以百计的不同步骤的过程来描述这些方法）。

30多年来，人工智能的应用研究取得明显进展。首先，专家系统显示出强大的生命力。费根鲍姆（Feigenbaum）所领导的研究小组于1968年研究成功第一个专家系统DENDRAL，用于质谱仪分析有机化合物的分子结构。1972年～1976年，他们又开发成功MYCIN医疗专家系统，用于抗生素药物治疗。此后，许多著名的专家系统被相继开发，为工矿数据分析处理、医疗诊断、计算机设计、符号运算和定理证明等提供强有力的工具。1977年，费根鲍姆进一步提出了知识工程的概念。整个80年代，专家系统和知识工程在全世界得到迅速发展。在开发专家系统过程中，许多研究者获得共识，即人工智能系统是一个知识处理系统，而知识表示、知识利用和知识获取则成为人工智能系统的三个基本问题。

近十多年来，机器学习、计算智能、人工神经网络等和行为主义的研究深入开展，形成高潮。同时，不同人工智能学派间的争论也非常热烈。这些都推动人工智能研究的进一步发展。

我国的人工智能研究起步较晚。纳入国家计划的“智能模拟”研究始于1978年；1984年召开了智能计算机及其系统的全国学术讨论会；1986年起把智能计算机系统、智能机器人和智能信息处理（含模式识别）等重大项目列入国家高技术研究计划；1993年起，又把智能控制和智能自动化等项目列入国家科技攀登计划。进入21世纪后，已有更多的人工智能与智能系统研究获得各种基金计划支持。1981年起，相继成立了中国人工智能学会（CAAI）等学术团体。1989年首次召开的中国人工智能联合会议（CJCAI）至今已召开7次。已有10来部国内编著的具有知识产权的人工智能专著和教材公开出版。中国的科技工作者，已在人工智能领域取得许多具有国际领先水平的创造性成果。其中，尤以吴文俊院士关于几何定理证明的“吴氏方法”最为突出，已在国际上产生重大影响，并与袁隆平院士的“杂交水稻”一起荣获2001年国家科学技术最高奖励。现在，我国已有数以万计的科技人员和大学师生从事不同层次的人工智能研究与学习。人工智能研究已在我国深入开展，它必将为促进其它学科的发展和我国的现代化建设做出新的重大贡献。

3．认知观和对认知本质的研究

3.1 人工智能的各种认知观

目前人工智能的主要学派有下列3家：

（1）符号主义

符号主义（Symbolicism），又称为逻辑主义（Logicism）、心理学派（Psychlogism）或计算机学派（Computerism），其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理。符号主义认为人工智能源于数理逻辑。计算机出现后，在计算机上实现了逻辑演绎系统。其有代表性的成果为启发式程序LT逻辑理论家，证明了38条数学定理，表明了可以应用计算机研究人的思维过程，模拟人类智能活动。正是这些符号主义者，早在1956年首先采用“人工智能”这个术语。后来又发展了启发式算法→专家系统→知识工程理论与技术，并在20世纪80年代取得很大发展。符号主义曾长期一枝独秀，为人工智能的发展做出重要贡献，尤其是专家系统的成功开发与应用，为人工智能走向工程应用和实现理论联系实际具有特别重要意义。

（2）连接主义

连接主义（Connectionism），又称为仿生学派（Bionicsism）或生理学派（Physiologism），其原理主要为神经网络及神经网络间的连接机制与学习算法。连接主义认为人工智能源于仿生学，特别是人脑模型的研究。它的代表性成果是1943年由生理学家麦卡洛克（McCulloch）和数理逻辑学家皮茨（Pitts）创立的脑模型，即MP模型，开创了用电子装置模仿人脑结构和功能的新途径。它从神经元开始进而研究神经网络模型和脑模型，开辟了人工智能的又一发展道路。20世纪60－70年代，连接主义，尤其是对以感知机（perceptron）为代表的脑模型的研究曾出现过热潮，直到Hopfield教授在1982年和1984年提出用硬件模拟神经网络时，连接主义又重新抬头。1986年鲁梅尔哈特（Rumelhart）等人提出多层网络中的反向传播（BP）算法。此后，连结主义势头大振，从模型到算法，从理论分析到工程实现，为神经网络计算机走向市场打下基础。

（3）行为主义

行为主义（Actionism），又称进化主义（Evolutionism）或控制论学派（Cyberneticsism），其原理为控制论及感知—动作型控制系统。行为主义认为人工智能源于控制论。控制论思想早在20世纪40-50年代就成为时代思潮的重要部分，影响了早期的人工智能工作者。维纳和麦克洛等人提出的控制论和自组织系统影响了许多领域。控制论的早期研究工作重点是模拟人在控制过程中的智能行为和作用，如对自寻优、自适应、自校正、自镇定、自组织和自学习等控制论系统的研究，并进行“控制论动物”的研制。到60－70年代，上述这些控制论系统的研究取得一定进展，播下智能控制和智能机器人的种子，并在80年代诞生了智能控制和智能机器人系统。

以上三个人工智能学派将长期共存与合作，取长补短，并走向融合和集成，为人工智能的发展作出贡献。

3.2解开认知本质之谜

人的认知活动具有不同的层次，对认知行为的研究也应具有不同的层次，以便不同学科之间分工协作，联合攻关，早日解开人类认知本质之谜。应从下列4个层次开展对认知本质的研究。

（1）认知生理学

研究认知行为的生理过程，主要研究人的神经系统（神经元、中枢神经系统和大脑）的活动，是认知科学研究的底层。它与心理学、神经学、脑科学有密切关系，且与基因学、遗传学等有交叉联系。

（2）认知心理学

研究认知行为的心理活动，主要研究人的思维策略，是认知科学研究的顶层。它与心理学有密切关系，且与人类学、语言学交叉。

（3）认知信息学

研究人的认知行为在人体内的初级信息处理，主要研究人的认知行为如何通过初级自然信息处理，由生理活动变为心理活动及其逆过程，即由心理活动变为生理行为。这是认知活动的中间层，承上启下。它与神经学、信息学、计算机科学有密切关系，并与心理学、生理学有交叉关系。

（4）认知工程学

研究认知行为的信息加工处理，主要研究如何通过以计算机为中心的人工信息处理系统，对人的各种认知行为（如知觉、思维、记忆、语言、学习、理解、推理、识别等）进行信息处理。这是研究认知科学和认知行为的工具，应成为现代认知心理学和现代认知生理学的重要研究手段。它与人工智能、信息学、计算机科学有密切关系，并与控制论、系统学等交叉。

只有开展大跨度的多层次、多学科交叉研究，应用现代智能信息处理的最新手段，认知科学才可能较快地取得突破性成果。

４．若干新研究领域

近年来，人工智能的研究和应用出现了许多新的领域，它们是传统人工智能的延伸和扩展。在新世纪开始的时候，这些新研究已引起人们的更密切关注。这些新领域有分布式人工智能与艾真体（agent）、计算智能与进化计算、数据挖掘与知识发现，以及人工生命等。下面逐一加以概略介绍。

4.1 分布式人工智能与艾真体

分布式人工智能（Distributed AI，DAI）是分布式计算与人工智能结合的结果。DAI系统以鲁棒性作为控制系统质量的标准，并具有互操作性，即不同的异构系统在快速变化的环境中具有交换信息和协同工作的能力。

分布式人工智能的研究目标是要创建一种能够描述自然系统和社会系统的精确概念模型。DAI中的智能并非独立存在的概念，只能在团体协作中实现，因而其主要研究问题是各艾真体间的合作与对话，包括分布式问题求解和多艾真体系统（Multiagent System，MAS）两领域。其中，分布式问题求解把一个具体的求解问题划分为多个相互合作和知识共享的模块或结点。多艾真体系统则研究各艾真体间智能行为的协调，包括规划、知识、技术和动作的协调。这两个研究领域都要研究知识、资源和控制的划分问题，但分布式问题求解往往含有一个全局的概念模型、问题和成功标准，而MAS则含有多个局部的概念模型、问题和成功标准。

MAS更能体现人类的社会智能，具有更大的灵活性和适应性，更适合开放和动态的世界环境，因而倍受重视，已成为人工智能以至计算机科学和控制科学与工程的研究热点。当前，艾真体和MAS的研究包括理论、体系结构、语言、合作与协调、通讯和交互技术、MAS学习和应用等。MAS已在自动驾驶、机器人导航、机场管理、电力管理和信息检索等方面获得应用。

4.2 计算智能与进化计算

计算智能（Computing Intelligence）涉及神经计算、模糊计算、进化计算等研究领域。其中，神经计算和模糊计算已有较长的研究历史，而进化计算则是较新的研究领域。在此仅对进化计算加以说明。

进化计算（Evolutionary Computation）是指一类以达尔文进化论为依据来设计、控制和优化人工系统的技术和方法的总称，它包括遗传算法（Genetic Algorithms）、进化策略（Evolutionary Strategies）和进化规划（Evolutionary Programming）。它们遵循相同的指导思想，但彼此存在一定差别。同时，进化计算的研究关注学科的交叉和广泛的应用背景，因而引入了许多新的方法和特征，彼此间难于分类，这些都统称为进化计算方法。目前，进化计算被广泛运用于许多复杂系统的自适应控制和复杂优化问题等研究领域，如并行计算、机器学习、电路设计、神经网络、基于艾真体的仿真、元胞自动机等。

达尔文进化论是一种鲁棒的搜索和优化机制，对计算机科学，特别是对人工智能的发展产生了很大的影响。大多数生物体通过自然选择和有性生殖进行进化。自然选择决定了群体中哪些个体能够生存和繁殖，有性生殖保证了后代基因中的混合和重组。自然选择的原则是适者生存，即物竞天择，优胜劣汰。

直到几年前，遗传算法、进化规划、进化策略三个领域的研究才开始交流，并发现它们的共同理论基础是生物进化论。因此，把这三种方法统称为进化计算，而把相应的算法称为进化算法。

4.3 数据挖掘与知识发现

知识获取是知识信息处理的关键问题之一。20世纪80年代人们在知识发现方面取得了一定的进展。利用样本，通过归纳学习，或者与神经计算结合起来进行知识获取已有一些试验系统。数据挖掘和知识发现是90年代初期新崛起的一个活跃的研究领域。在数据库基础上实现的知识发现系统，通过综合运用统计学、粗糙集、模糊数学、机器学习和专家系统等多种学习手段和方法，从大量的数据中提炼出抽象的知识，从而揭示出蕴涵在这些数据背后的客观世界的内在联系和本质规律，实现知识的自动获取。这是一个富有挑战性、并具有广阔应用前景的研究课题。

从数据库获取知识，即从数据中挖掘并发现知识，首先要解决被发现知识的表达问题。最好的表达方式是自然语言，因为它是人类的思维和交流语言。知识表示的最根本问题就是如何形成用自然语言表达的概念。

机器知识发现始于1974年，并在此后十年中获得一些进展。这些进展往往与专家系统的知识获取研究有关。到20世纪80年代末，数据挖掘取得突破。越来越多的研究者加入到知识发现和数据挖掘的研究行列。现在，知识发现和数据挖掘已成为人工智能研究的又一热点。

比较成功的知识发现系统有用于超级市场商品数据分析、解释和报告的CoverStory系统，用于概念性数据分析和查寻感兴趣关系的集成化系统EXPLORA，交互式大型数据库分析工具KDW，用于自动分析大规模天空观测数据的SKICAT系统，以及通用的数据库知识发现系统KDD等。

4.4 人工生命

人工生命（Artificial Life，ALife）的概念是由美国圣菲研究所非线性研究组的兰顿（Langton）于1987年提出的，旨在用计算机和精密机械等人工媒介生成或构造出能够表现自然生命系统行为特征的仿真系统或模型系统。自然生命系统行为具有自组织、自复制、自修复等特征以及形成这些特征的混沌动力学、进化和环境适应。

人工生命所研究的人造系统能够演示具有自然生命系统特征的行为，在“生命之所能”（life as it could be）的广阔范围内深入研究“生命之所知”（life as we know it）的实质。只有从“生命之所能”的广泛内容来考察生命，才能真正理解生物的本质。人工生命与生命的形式化基础有关。生物学从问题的顶层开始，把器官、组织、细胞、细胞膜，直到分子，以探索生命的奥秘和机理。人工生命则从问题的底层开始，把器官作为简单机构的宏观群体来考察，自底向上进行综合，把简单的由规则支配的对象构成更大的集合，并在交互作用中研究非线性系统的类似生命的全局动力学特性。

人工生命的理论和方法有别于传统人工智能和神经网络的理论和方法。人工生命把生命现象所体现的自适应机理通过计算机进行仿真，对相关非线性对象进行更真实的动态描述和动态特征研究。

人工生命学科的研究内容包括生命现象的仿生系统、人工建模与仿真、进化动力学、人工生命的计算理论、进化与学习综合系统以及人工生命的应用等。比较典型的人工生命研究有计算机病毒、计算机进程、进化机器人、自催化网络、细胞自动机、人工核苷酸和人工脑等。

5．结语

人工智能走过并非平坦的道路，在求真务实中不断发展，现已进入它的青年时代。人工智能的研究已获得丰硕成果，并对其它学科的发展产生重大影响。回顾人工智能的发展历程，有助于对人工智能的更深刻理解。

不同科学或学科背景的学者对人工智能有不同的理解，提出不同的观点，进行讨论和争论。这些争论是十分有益的。一枝独秀不是春，百花争艳春满园。符号（逻辑）主义、连接主义和行为主义已开始携手合作，走向集成，共同攀登人工智能的新高峰。

为了解开人类认知之谜，进一步发展人工智能，有必要从认知生理学、认知心理学、认知信息学和认知工程学四个层次开展对认知本质的多层次、多学科交叉研究，争取获得突破性成果。

人工智能学科具有强大的生命力，不断有新的研究和应用领域出现。近年来，艾真体、计算智能、人工生命和知识发现研究所取得的重要进展，就是很有说服力的证据。

人工智能任重道远，它的明天更加美好。

参考文献

[1] 蔡自兴, 徐光祐. 人工智能及其应用，第三版，本科生用书. 北京：清华大学出版社，2003

[2] 何华灿主编. CAAI-7全国人工智能会议论文集. 中国人工智能学会，1992年4月，西安

[3] 朱淼良, 潘云鹤主编. 中国人工智能学会第八届年会暨第八届全国人工智能学术讨论会论文集. 杭州：浙江大学出版社, 1994