爱华网人工智能的历史和未来
余妹兰1 张永晖2,3
1.湖南安全技术职业学院计算机系 湖南长沙 4101512. 中南大学 信息科学与工程学院，湖南长沙 4100833. 福建工程学院 控制与信息技术研究所，福建福州 350014
摘要：本文简述了人工智能的起源与发展，介绍了人工智能与计算机的关系及其研究和应用领域。重点介绍近期成为热点的人工智能技术和方法，叙述近年来人工智能研究中出现的争论，分析了人工智能的产业化和各方面的影响, 最后展望了人工智能的未来发展。
关键词：人工智能；方法；争论；影响；前景
中图分类号：TP391 文献标识码：A 文章编号：1003-9767（2010）02-0054-02
1. 概述
人工智能(Artificial Intelligence 以下称AI) 是一门通过计算过程力图理解和模仿智能行为的学科（Schalkoff,1990）。可实现判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动的自动化（Bellman,1978）。半个世纪以来，AI的飞速发展令人瞠目。到了今天，可以说是各种学科都不可避免会用到AI。本文力图通过对AI的发展及其研究和应用领域的介绍，寻求AI发展的一般规律，以及AI产业化的可能趋势，最后展望面临的可能与挑战。
自动规划是一种问题求解技术，从某个特定的问题状态出发，寻求一系列行为动作，并建立一个操作序列，直到求得目标状态为止。发展的技术有分层规划、长度优先搜索、应用最小约束策略、准则法等。已发展了HACKER系统 STRIPS规划系统、PULP-Ⅰ机器人规划系统（有学习能力）、问题求解系统NOAH等。
AI的发展促进自动控制向智能控制发展。从1960年以来，神经网络已成功应用于自动控制研究。这是因为神经网络适于实时控制和动力学控制；可实现非线性控制；可进行信息熔合处理，特别适于复杂的、多变量大系统的控制。原理方面，1965年，傅京孙引入AI的启发式推理规则，1977年，Saridis引入运筹学的概念智能控制，提出分级（组织级、协调级和执行级）递阶智能控制方法。之后，蔡自兴再引入信息论。现在，研究和应用从实验室到工业现场、从家电到火箭制导，已经广泛用于武器控制、机器人规划与控制、（制造业采矿业等的）自动加工系统的智能控制、故障检测与诊断、飞行器的智能控制医用智能控制、智能仪器等。
分布式AI具有协作性、适应性等特性。包括分布式问题求解（DPS）和MAS系统（MAS）。MAS具有更大的灵活性和适应性，已有各种理论模型，有(1) BDI模型 (2) 协商模型 (3) 协作规划模型 (4) 自协调模型。MAS的协作方法有(1)决策网络和递归建模 (2)Markov对策(3)Agent学习方法(4)决策树和对策树。Agent以BDI（信念、愿望和意图）为模型，是目前AI以至计算机科学和控制科学与工程的研究热点。Agent间的不同协作类型将导致不同的协调过程。如基于集中规划、基于协商、基于对策和基于社会规划的协调。MAS的学习对象处于动态变化中，且其学习离不开Agent间的通信。为此，MAS学习需付出更大的代价。对MAS的规划研究，目前主要借助于可在世界状态间转换的抽象结构，如与或图。至于通过Agent精神状态研究的方式，较为复杂，远未成熟。MAS系统的研究和应用领域有多机器人协调、过程智能控制、网络通信与管理、交通控制、电子商务等。现在，因特网已成为MAS技术的天然试验平台。
此外，AI还包括智能检索、智能调度与指挥等领域。智能检索努力于搜索引擎的改进，智能调度则努力集中在使求解空间随时间的变化尽可能缓慢地增长。
在硬件方面，试验中的神经计算机力图重建人脑的形象，现在基本已经能够以类似人类的方式进行“思考”。量子计算机的研究也已起步。试图从根本上以硬件实现模糊推理。
机器学习、计算智能、人工神经网络、Agent以及行为主义的研究深入开展，不同观点的加速融合，都预示着AI研究即将有重大突破。
2. AI发展简史
上世纪三四十年代，Wiener、弗雷治、罗素的数理逻辑，和Church、图灵的数字功用以及计算机处理促使了1956年夏的AI学科诞生。
20世纪60年代以来，生物模仿用来建立功能强大的算法。这方面有进化计算，包括遗传算法、进化策略和进化规划（1962年）。
1992年Bezdek提出计算智能。他和Marks（1993年）指出计算智能取决于制造者提供的数值数据，含有模式识别部分，不依赖于知识；计算智能是认知层次的低层。今天，计算智能涉及神经网络、模糊逻辑、进化计算和人工生命等领域，呈现多学科交叉与集成的趋势。
人工生命以进化计算为基础，研究自组织、自复制、自修复以及形成这些特征的混沌动力学、进化和环境适应，具体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。20世纪60年代，罗森布拉特研究感知机，Stahl建立细胞活动模型，Lindenmayer提出了生长发育中的细胞交互作用数学模型。这些模型支持细胞间的通信和差异。70年代以来，Conrad等研究人工仿生系统中的自适应、进化和群体动力学，提出不断完善的“人工世界”模型。80年代，人工神经网络再度兴起促进人工生命的发展。其主要研究方法有信息模型法和工作原理法。其研究途径分为工程技术途径和生物科学途径。
专家系统在90年代兴起, 模拟人类专家解决领域问题,知识库的改进与归纳是其重点。从功能上可分为解释、预测、诊断、设计、规划、监视、控制、调试、教学、修理等专家系统。从原理上可分为基于规则、基于框架、基于模型的专家系统。新型专家系统分为分布式和协同式。驱动方式有控制驱动、数据驱动、需求驱动，事件驱动等。诸多模型中，人工神经网络模型的应用最为广泛。
3. AI的重要影响
3.1 对科学的影响
自然科学方面，AI与其它学科相互交叉、相互渗透和相互促进。AI向其它学科提供了工具和方法，如知识表示和推理机制、问题求解和搜索算法，模糊逻辑推理和非单调推理技术，以及计算智能技术等，可以解决从前难以解决的问题。而其他学科的重要概念，在AI研究中也得到发展。如计算机系统的分时系统、编目处理系统和交互调试系统等。
社会科学方面也是如此。在需要使用数学－计算机工具解决问题的学科（如经济学），AI带来的帮助不言而喻。
更重要的是，AI反过来有助于人类最终认识自身智能的形成。在重新阐述知识历史的过程中，AI有望解决知识的模糊性，消除知识的不一致性。这将导致逻辑和哲学等等方面的改善,影响到心理学、认知学的核心理论，对于哲学社会学方面的理论也将带来彻底的变革。
此外，综合应用语法、语义和AI的形式知识表示方法，有可能改善知识的自然语言表达形式，与此同时，潜在的知识，直感灵感等等也能够阐述为适用的AI形式。从而扩大知识的领域，以及对现有知识进行提纯。
3.2 AI对经济的影响
AI应用领域甚广，专家系统更深入各行各业，带来巨大的宏观效益。AI也促进了计算机工业网络工业的发展。但同时,也带来了劳务就业问题。由于AI 在科技和工程中的应用，能够代替人类进行各种技术工作和脑力劳动，将迫使人们工作方式的巨大改变，甚至造成失业。
3.3对社会的影响
AI通过对于劳务就业产业结构等方面的影响，会造成社会结构的剧烈变化。AI也为人类文化生活提供了新的模式。现有的智力游戏将逐步发展为更高智能的交互式文化娱乐手段，今天，即使是网络游戏这种雏形，对于年轻一代来说，也已取代了电视的老大地位。
另一方面，AI影响着人的思维方式和传统观念。给人们已有的观念/信仰带来巨大的冲击。甚至完全摧毁已有的价值体系。AI还会形成用户的依赖性。人们很可能不加分析地接受AI，失去对问题及其求解任务的责任感和敏感性。有可能这会增加错误，使其认知能力下降，甚至可能降低人类的平均智力水平。
[2]
•行为主义，认为AI源于控制论。
近几十年这些学派间的争论和融合非常热烈。
AI是对人类的智能的模仿，而人类智能对应于人脑系统的整体效应，有丰富的层次和多个侧面。然而符号主义只注重人脑的抽象思维特性；连接主义只模仿人的形象思维特性；行为主义只看到人类智能行为特性及其进化过程；都存在明显的局限性。因此，各种学派走向融合势在必然。
不但3大学派在交战，对AI技术路线的争论也始终没有停止过。目前有专用路线和通用路线之争，硬件路线和软件路线之争。但这些分歧也不是问题的根本所在，最后会形成一方为主一方为辅的局面。
问题的在于，一方面哲学、认知科学、思维科学和心理学等学科所研究的智能层次高而抽象；另一方面AI逻辑符号、神经网络和行为主义所研究的智能层次太基本。由于对中间作机制知之甚少，这种背景下提出的各种AI理论，就只能是或者完全不同于人类思维，或者是大胆猜想，与人类的思维模式相距太远。
宏观与微观有待结合，同时在人类思维方式的理解上也有待突破，不然很难形成更新的AI框架和理论体系。尽管如此，多学科的联合协作研究也带来了足够引人注目的增长。
5.2 发展方向
AI在与各门学科不断的融合。其中信息技术的地位最为重要。除数字技术，现代计算技术、计算语言学外，计算机网络、远程通信、数据库、计算机图形学、语音与听觉、机器人学、过程控制、并行计算、量子计算、光计算和生物信息处理与AI的交融日益紧密。
其他方面，如心理学、语言学、认知科学，还有社会学、人类学、哲学以及系统科学也与AI进行着越来越频繁的交流。
AI应用问题需要开发复杂的软件系统，这将促进软件工程学科的发展。软件工程为一定类型的问题求解提供标准化程序；知识软件为AI问题求解提供有效的编程手段。AI系统的开发也将发展为一个完整的应用系统。
在当前的AI应用方法研究中，有几大前沿课题格外引人注目：即多种方法混合技术、多专家系统、机器学习(尤以神经网络学习和知识发现)方法、硬软件一体化以及并行分布处理技术等。其中对人脑机理和分布式AI（或MAS）的研究，将会确立新一代计算机的基础。
6. 结语
4. AI的产业化可能
AI给多个产业带来了巨大的效益，然而，AI是否可能形成一个独立的产业呢？
AI的地位类似于数学，是思考方法和实现手段的一体化。可以运用到其它学科，给予其它学科以方法工具甚至产品方面的支持；同时也吸取各门学科的思想和实现方法以改造自身。以上特点决定AI成为独立产业的可能性很小，而更有可能成为一门新的基础学科。
唯一例外的是其中智能机器人方向[3]。在欧美，工业过程控制系统、智能机器人系统和智能化生产系统开始起步。我国也从无到有，出现了机械手生产厂家，但是机器人产业的雏形已经形成，在10～20年后有望形成规模，脱离自动化而形成独立的产业。
半个世纪以来，人工智能发展极其迅速，专家系统、智能控制在短短的10余年里就发展成熟。目前的焦点，如分布式和协同式多专家系统、机器学习(知识挖掘和知识发现)方法、硬软件一体化技术以及并行分布处理技术还有MAS的研究，也有望在下一个5年内也会成熟。根据AI目前的发展态势，以及现有的规划，将AI未来的发展必将越来越广泛，越来越深入，越来越快地，向着人类智能的方向逼近。
参考文献：
[1]蔡自兴，徐光祐。人工智能及其应用，第三版，清华大学出版社，2004.2。
[2]N. J. Nilsson. Artificial Intelligence: A New Synthesis. Morgan(version 2) Kanfmann, 2003
[3]Baldi P and Brunak S. Bioinformatics: The Machine Learning Approach. Cambridge, MA: MIT Press, 1998
[4]Buchanan B G, Glick J. AI topics, A responsibility to celebrate AI responsibly. AI Magazine, Spring 2002: 87
[5]Dumitrescu D., Lazzerini B., Jain L. C. A. Evolutionary Computation. CRC Press, 2000
5. 人工智能的前景
5.1 存在的问题
迄今为止，AI可以归结为三大学派[4]：•符号主义，认为AI源于数理逻辑。•联结主义，认为AI源于仿生学。
百度搜索“爱华网”,专业资料,生活学习,尽在爱华网
